记忆管理器 Pro
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 的官方指南，将 @user_6e309f35/memory-manager-pro-v1 技能安装到您的 AI 助手中。
技能介绍
问题背景
在多任务 Agent 工作流里，任务完成后的上下文容易散落在对话、文件与临时笔记中。若每次都要人工确认哪些索引需要更新，MEMORY.md、项目索引、类型索引和任务详情很快就失去可信度，后续追问只能依赖模糊搜索或全量读取，既浪费 token，也容易漏掉关键文件。
工作方式
Memory Manager Pro 将“完成任务并更新索引”作为统一入口。它通过 TASK_{TYPE}_{YYYYMMDD}_{SEQ} 这样的任务 ID 语义推导文件路径，并按固定流程更新多个索引：标记任务详情为已完成、更新已完成任务索引、从活跃任务索引移除任务、更新项目索引与类型索引、刷新 MEMORY.md 与核心索引，必要时更新关键词映射。对于 NOVEL、CODE、DESIGN、RESEARCH、SYSTEM 等任务类型，它使用对应的项目索引和类型索引文件，形成纵向项目视图与横向类型视图的双向检索。
适用边界
该技能更适合作为 Agent 内部的任务与记忆索引规范，而不是直接执行具体创作、编码或设计任务。它要求调用方提供任务 ID、项目、成果摘要等字段，并依赖既有目录结构保持一致。若项目结构频繁变化，或需要在同一任务中保存大量原始日志，需要先把内容落到任务详情文件，再交给它做索引收敛。
使用场景
- 多个 Skill 完成任务后，用统一接口更新任务详情、活跃任务、项目与类型索引。
- 追问历史任务时，通过任务 ID 和关键词映射快速定位对应任务详情文件。
- 把小说、编码、设计、研究、系统类项目按类型分别维护索引并查看统计。
- 在长对话中控制上下文，只加载当前任务需要的索引而不是全部记录。
适合人员
- 管理多 Agent 工作流的工程师，需要统一任务完成后的索引更新规则。
- 维护长期创作或项目状态的产品负责人，需要按项目与类型快速检索任务进度。
- 构建 Agent 记忆层的开发者，需要控制上下文 token 并避免全量读取历史。
- 需要追溯历史决策的工程师，需要按任务 ID、关键词和类型索引定位证据文件。
相关技能
基于诊断、结构分层、设计模式与指令精简，优化现有 Skill 的触发、流程与 Token 消耗。
基于 STOM 方法论审计任意 SKILL.md 的规模、密度、分层、架构与弱模型适配性，并给出可执行的瘦身优化方案。
Agent 驱动的思考涟漪引擎，适合深度推演、头脑风暴和超长任务降级执行；通过多轮真实推理、新颖性自评、状态持久化与断点续跑，只输出高价值发现。
将模糊需求转化为包含角色、任务、上下文、约束的结构化提示，仅输出可直接使用的 Prompt，不执行任务。