记忆管家
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_c1fd9783/context-memory-manager。
技能介绍
要解决的问题
Agent 在长会话中会受上下文窗口限制，关键信息容易被截断：用户偏好、项目上下文和未完成事项可能在压缩后丢失。仅靠定时脚本也无法判断当前会话是否需要压缩，因为脚本通常看不到实时的 session_status。
如何工作
该技能将 Agent 记忆分为三类：memory/chat/YYYY-MM-DD.md 保存完整对话原始记录；memory/projects/... 沉淀结构化项目日志；MEMORY.md 维护全局索引、用户偏好和待办。每次 Agent 被唤醒时，它先检查上下文使用率，达到 70% 后执行“先保存完整对话，再提炼记忆”的压缩流程，避免直接丢弃原始轨迹。每日 cron 只负责扫描文件变更、估算 token，并把复盘指令写入 /tmp/cmm_review_report.json；Agent 下次唤醒时按报告执行，处理完后删除临时文件。超过 30 天的聊天日志会被移动到 memory/archive/，而不是删除。
适用边界
它适合需要跨会话记住偏好、项目和待办的 AI Agent 场景。注意它依赖 session_status 判断压缩时机，token 估算只是粗略值，且保留原始聊天日志。若宿主环境缺少会话状态检查或 cron 能力，自动复盘会受限。
使用场景
- 长会话接近上下文上限时，先保存完整对话，再提炼偏好与待办到 MEMORY.md。
- 每日凌晨复盘新增聊天文件，按 .last_review 增量扫描并生成记忆复盘报告。
- 读取 /tmp/cmm_review_report.json 的指令，更新项目日志后删除该临时文件。
- 将超过 30 天的聊天日志移入 memory/archive/，保留原始对话可追溯。
适合人员
- 维护长程对话 Agent 的工程团队，希望跨会话保留用户偏好、项目上下文和待办事项。
- 需要审计 AI 助手长对话轨迹的平台开发者，要求原始聊天日志不被直接裁剪丢弃。
- 使用 cron 和文件目录做 Agent 状态管理的运维工程师，希望每天增量复盘记忆文件变化。
- 搭建多 Agent 系统的开发者，需要将聊天、项目日志与核心 MEMORY.md 分层存储并自动归档。
相关技能
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。
面向游戏 NPC 与敌人逻辑，梳理决策、转向和寻路的分层实现，覆盖 FSM、行为树、A*、路径缓存与常见陷阱。
通过第三方 Agent API 提供多轮情感陪聊对话，支持使用 session_id 续接上下文。
评估驱动、按模式路由并记录结果，用于诊断、优化和验证 Agent Skills 的写作与执行质量。