上下文记忆持久化

具体问题

AI 在交互中经常遭遇记忆丢失的困扰：新会话启动时无法唤起之前的信息，切换话题后忘记用户偏好，甚至重复犯相同的错误。这种“今天讲明天忘”的现象导致对话碎片化，需要用户反复补充上下文，降低了交互的连贯性和效率。

技能工作原理

核心理念：AI 的记忆必须依赖文件持久化，而非仅靠会话上下文。 该技能通过一套结构化的文件系统，确保重要信息在新任务开始时能自动加载。

• 任务分类与触发机制：每次处理用户消息前，必须先输出 @task_classify 标记，严格判断任务类型。新任务（如话题大跳跃、任务类型变化）会触发文件读取流程；若是续接任务，则跳过读取以节省资源。
• 记忆文件体系：关键文件包括 SOUL.md（存储用户偏好）、MEMORY.md（日常记录）、.learnings/ERRORS.md（错误日志）和 .learnings/LEARNINGS.md（纠正记录）。新任务时，按顺序读取这些文件以恢复完整上下文。
• 写入规则与原则：遇到用户纠正、犯错或配置变更时，必须立即写入对应文件。遵循立即写（避免遗忘）、写具体（如记录“用户叫xiaolong”而非“有偏好”）、分类存（不同信息存不同文件）和带日期（便于追溯）的原则。
• 执行流程：判断任务分类 → 读取相关记忆文件 → 执行任务 → 立即将重要信息保存到文件。例如，用户纠正时，立即记入 .learnings/LEARNINGS.md。

适用场景与注意点

该技能适用于：

• 用户频繁切换话题的对话环境，确保每次切换都能加载相关背景。
• 多任务并行处理，依靠文件隔离不同任务的上下文。
• 长期项目协作，将重要规则持久化到 MEMORY.md 中供新会话直接使用。
• 希望从错误中学习，通过 ERRORS.md 避免重复犯错。

注意点：

• 必须严格执行任务分类：不输出 @task_classify 标记就不执行任何操作，避免混淆新旧任务。
• 避免延迟写入：重要信息必须立即写文件，不能依赖“等会再记”，否则 context 结束后易遗忘。
• 文件管理需维护：日志文件如 memory/YYYY-MM-DD.md 会积累，建议定期归档或清理以保持整洁。
• 依赖配套技能：与 self-improving-agent 配合使用，可获得更规范的 .learnings/ 文件格式和写入指导。

通过这种文件驱动的记忆管理，AI 能够实现可靠的持久化存储，显著提升对话的连续性和准确性。