Agent Skills
返回列表
AI Agent 长期记忆

AI Agent 长期记忆

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_4005c3e1/memory-skill。

技能介绍

要解决的问题

AI Agent 的上下文通常只覆盖当前会话：用户偏好、项目决策、纠错教训和调研结论很容易在切换窗口后丢失。直接把历史塞进 prompt 又会产生噪声、遗漏和不可追溯的问题。

如何工作

这个技能把长期记忆落到工作区文件，而不是黑盒向量库。记忆统一放在 .workbuddy/memory/，通过 viking:// 目录区分 Daily/、Memory/、resources/、user/ 和 Feedback/。每个文件要求完整 YAML 头部，包含 name、description、tags、importance、created、updated 和 source，便于解析、排序与按需加载。

关键流程是：

  • 触发写入：对话摘要写入 Daily/，用户偏好写入 user/preferences.md，主题结论写入 Memory/，调研材料写入 resources/，纠错写入 Feedback/。
  • 先确认再写：写入前需要询问用户，避免把临时讨论固化为长期偏好。
  • 检索有优先级：优先读取用户偏好、反馈、主题记忆、每日记录和外部参考，并调用 search.py、read.py 时传递 --path 指定绝对路径。

边界与注意点

它适合单人或单项目 workspace 中的记忆沉淀，不等同于共享知识库或数据库。使用时要一事一档、保持简洁，并且不要一次性加载全部记忆；如果 .env 中 DEFAULT_MEMORY_PATH 或 RERANK_MODEL 缺失，应暂停并询问用户。

使用场景

  • 搭建客服 Agent 时，把用户纠正写入 Feedback/，后续优先读取以避免重复犯错。
  • 做项目助手时，把技术方案结论写入 Memory/，并按 YAML importance 决定加载顺序。
  • 整理调研资料时，把行业报告摘要写入 resources/，方便后续检索而非只留在对话里。
  • 会话结束时生成 Daily/ 摘要，同时读取 user/preferences.md 保持用户偏好的连续性。

适合人员

  • 负责多轮对话 Agent 的应用工程师，需要让助手跨会话记住项目偏好与纠错。
  • 搭建个人工作助手的自动化工程师，希望把任务结论沉淀成可检索的文件。
  • 维护 AI 工作区的平台开发者，需要用统一目录和 YAML 头部管理 Agent 记忆。
  • 做知识检索链路的工程师，需要按优先级读取反馈、偏好、主题记忆和调研资料。