Agent Skills
返回列表
Engramory 记忆纪律

Engramory 记忆纪律

AI Agent 更新于 2026.08.29

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_e8f27348/engramory-disciplin。

技能介绍

要解决什么问题

Agent 默认记不住跨会话的约束、反馈与项目约定;如果把历史一股脑塞进上下文,窗口很快爆掉,召回质量也会下降。Engramory 记忆纪律把长期知识拆成单条 Markdown 文件,用 MEMORY.md 当唯一索引真相源,让每轮任务只做「读索引 → 打分排序 → 懒加载少数详情」,在可审计的前提下控制 token。

技能如何工作

核心是四大支柱:存得对、理得清、召得准、指得省。

  • 指针召回:每轮只读 MEMORY.md(建议 ≤200 行),按类型亲和、关键词、时效性取 top-K,再 Read 命中的 memory/<slug>.md;可用 scripts/engramory_recall.py 自动排序输出路径。
  • 写入纪律:先确认内容不在代码/git/说明里、且非密钥值;能更新旧笔记则更新,否则新建带 frontmatter 的文件,并在索引加一行 hook;feedback / project 类型必须写 Why 与 How to apply。
  • 整理与体检:索引超软上限或周期性触发时,去重、归档冷记忆、压索引、修断链;engramory_organize.py(默认 dry-run)与 engramory_doctor.py 互补。
  • 分层:跨项目通用放全局 store,仅本项目放项目 store;多 agent 共享默认只共享全局,矛盾须问用户。

适用边界与注意点

召回记忆是可过期背景,行动前仍要核实路径、版本与标记;永不压过安全规则与用户实时指令。密钥铁律:只记「它在哪」,不写令牌/密码/Cookie 等值。改索引后应跑 engramory_check.py 校验行数与体积(软/硬上限可环境变量覆盖)。

使用场景

  • 每轮 coding agent 任务开始前,要先从 MEMORY.md 排序召回 3~5 条相关历史反馈再动手改代码
  • 用户反复强调的偏好与禁忌已写入多条 memory 文件,需要在不读全库的情况下捞到与当前任务最相关的几条
  • 项目收尾时要把可泛化经验提炼进全局 store,并把冷记忆归档以免索引超过 150 行软上限
  • 多会话协作里刚批量写入笔记,想 dry-run 去重合并并修索引断链后再 apply

适合人员

  • 维护个人 Agent 知识库的开发者,希望跨会话记住用户反馈又不想让上下文每次膨胀
  • 带队做长期 AI 辅助项目的工程师,需要可审计的文件化记忆与索引上限巡检
  • 在同一仓库跑多个 agent 的维护者,要区分全局与项目 store 并避免记忆互相污染
  • 经常把踩坑记成 feedback 笔记的人,需要 Why/How 模板保证下次能正确复用