HeartFlow 记忆注入(脚本化)
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_fdb96f95/heartflow-memory-ingestion。
技能介绍
要解决什么问题
HeartFlow 里并存 MemoryAdapter(MeaningfulMemory) 与 MemoryKernel 两套记忆:文件路径、写入 API、以及 MCP 是否可见都不相同。只写一侧时,heartflow_memory_search 仍会空结果;脚本退出太快时,MeaningfulMemory 的 _autoSave() 也不会在 2 秒 debounce 内落盘,数据只留在内存里。
本技能面向「用对话/脚本批量灌记忆」这类工程任务:选对系统、写完能搜到、还能区分该进 CORE 还是 LEARNED。
技能如何工作
触发场景包括:把历史对话写入 HeartFlow、在 Node 里调用 adapter.addCore() / adapter.learn() / mk.writeUserMemory()、写完要验收检索、或排查「明明写了却搜不到」。
推荐工作流要点:
- 初始化:明确这次写的是
hf.memory(MCP 可读)还是hf.memoryKernel(MCP 不可见)。 - 写入:全量丰富记忆时需 两套都写;MCP 搜索只看
data/meaningful-memory.json。 - 强制持久化:脚本结束前必须调用
_mm._doSave(),并核对data/meaningful-memory.json已更新。 - 验收与 MCP:重启 MCP 后再测
heartflow_memory_search;若 MCP 仍空,可用脚本直接调adapter.searchByKeywords(query, 5)区分是参数 bug、未重启还是写错系统。
文档还点名 MCP 里 handleMemorySearch 误传第三参导致 searchByKeywords 把 layer 当成 limit 的问题,以及 CORE / LEARNED / user-memories.jsonl 的隐私边界与 .gitignore 检查。
适用边界与注意点
- 不负责替你设计「记什么」的业务语义,重点是 写入路径、落盘、检索可见性。
- 用户私密内容应遵守 GOLDEN RULE: embarrass 级内容别进 LEARNED 可搜索层,必要时用 profile/cell。
- 新安装默认 LEARNED 为空;勿把
user-memories.jsonl等用户数据同步进可分发包。
使用场景
- 把多轮客服或 pair 对话导出后,要用 Node 批量写入 HeartFlow 并确认 MCP 能关键字搜到
- 维护 HeartFlow 引擎时需在 CORE 写规格、在 LEARNED 写用户上下文,且两套 MemoryKernel 文件也要同步
- 写完 `adapter.learn()` 后 `heartflow_memory_search` 全空,需要按文档排查 debounce、MCP 重启和 search 参数问题
- 新环境首次灌记忆前,要核对 LEARNED 是否为空、`.gitignore` 是否已排除 user-memories 等私有文件
适合人员
- 在本地跑 HeartFlow + MCP,负责把历史会话灌进记忆并做回归检索的后端工程师
- 维护 HeartFlow 分支、要区分 CORE 可分发内容与 LEARNED 用户数据的引擎维护者
- 写 Node 一次性迁移脚本、曾因进程退出丢记忆或 Git 误提交用户 JSONL 的自动化脚本作者
- 接入 heartflow_memory_search 做调试,需要区分 MemoryAdapter 与 MemoryKernel 可见性的 Agent 集成开发者