Context Memory：AI记忆持久化

AI 记忆丢失的具体问题

在 AI Agent 开发中，一个常见且令人沮丧的问题是上下文与记忆的断裂。具体表现为：

• 会话间遗忘：每次开启新对话，AI 都像“失忆”一样，无法记起之前的项目背景、用户偏好或已承诺的事项。
• 话题切换丢帧：当从项目 A 讨论跳转到项目 B 时，AI 会迅速忘记项目 A 的关键信息，导致沟通重复或出错。
• 无法迭代优化：AI 犯错后没有记录机制，导致同类错误在不同会话中反复发生，无法实现真正的“学习”。

核心矛盾在于，AI 依赖的对话上下文窗口是临时且易失的，而用户期望的记忆是持久且连贯的。

技能的工作原理：文件即记忆

“记忆管理”技能提出了一种架构级解决方案：将 AI 的记忆外部化为结构化的文件系统，并建立一套严格的读写协议。它不依赖模型自身的“短期记忆”，而是让 AI 通过读取和写入文件来主动管理其认知状态。
其核心工作流程遵循 BOOTSTRAP.md 规定的协议，关键步骤包括：

1. 任务分类与新任务判断：收到任何用户指令前，AI 必须先进行 @task_classify。通过分析话题跨度、任务类型变化和关键词出现情况，判断当前是“续接任务”还是“新任务”。这是避免冗余读取、提高效率的关键。
2. 按需读取记忆文件：一旦确认为新任务，AI 会按特定顺序读取一套文档：

SOUL.md + MEMORY.md：加载用户偏好、核心规则等持久人格与记忆。
AGENTS.md + TOOLS.md：加载工作流程与工具配置。
* .learnings/ERRORS.md + .learnings/LEARNINGS.md：加载历史错误与纠正经验。

1. 执行与即时保存：执行任务过程中，任何重要信息（如用户纠正、新发现的规则）必须立即写入对应的文件，遵循“写下来才算记住”的原则。例如，用户纠正一次做法，就立刻更新 .learnings/LEARNINGS.md。

适用边界与注意点

此技能主要面向需要长期、复杂协作的 AI Agent 场景，如个人助理、项目协作者等。其有效性高度依赖于：

• 严格的协议遵守：AI 必须无条件遵守 BOOTSTRAP.md 的流程，尤其是任务分类步骤，否则记忆加载会失效。
• 用户/开发者的维护：文件体系需要清晰的结构和持续的内容维护，否则可能累积冗余或矛盾信息。
• 不替代模型能力：它解决的是跨会话状态持久化问题，而非提升单次对话的推理能力。模型本身的“短期记忆”和“知识”依然是基础。

简而言之，它为 AI 提供了一套可靠的“外部记忆体”读写接口和操作规程。