Agent Skills
返回列表
MeshMorize 多层记忆系统

MeshMorize 多层记忆系统

AI Agent 更新于 2026.08.30

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_15292d5a/yjkj-meshmorize。

技能介绍

要解决的问题

Agent 在多次会话中容易丢失上下文，普通日志只能按文本检索，缺少新鲜笔记、长期知识和关系索引之间的优先级；如果直接堆文件，搜索会噪音大，行为也难以审计。meshmorize 把记忆拆成可维护的层次。

工作方式

它围绕文件和脚本组织：memory/fresh/today.md 保存每日笔记并做 5 天轮换；memory/mesh.json 保存图节点与检索索引；auto_log 记录交互；memory_search 按 fresh、daily、mesh、raw、long-term 的顺序做跨层搜索；memory_check 执行 10 项合规检查。bridge.py 负责 fresh 层轮换和 checkpoint 管理。整体面向能运行 Python 的 agent workspace，文档明确适配 OpenClaw。

适用边界

适合需要本地文件记忆、跨会话检索和可执行检查项的 Agent。不适合无法运行 Python 脚本、没有稳定工作区目录，或期望由服务端托管记忆的部署。

使用场景

  • 维护 OpenClaw 每日笔记，把当天结论写入 today.md 并触发 5 天轮换。
  • 排查跨会话上下文丢失，用 memory_search 按 fresh、daily、mesh 顺序检索旧记录。
  • 部署多轮 Agent 前，用 memory_check 跑 10 项检查，确认日志与存储路径可用。
  • 整理长期记忆，把节点写入 mesh.json，再跑 memory_search 验证图索引可命中。

适合人员

  • 维护 OpenClaw Agent 的记忆层，需要每日轮换、跨层检索和可执行检查的工程师。
  • 部署多轮对话机器人，要求把交互写入日志并能按 fresh/daily/mesh 检索的团队负责人。
  • 需要审计 Agent 记忆路径、日志和 10 项合规检查的运维工程师。
  • 构建本地 Python Agent workspace，要把长期知识放进 mesh.json 并验证索引的研究员。