通用多层记忆架构初始化与维护
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 的指引,将 @user_f9be8d90/lobster-memory-bootstrap 安装到您的 AI 助手中。
技能介绍
解决什么问题
Agent 跨会话协作常卡在 上下文断裂:身份边界、用户偏好、昨日进展、活跃任务分散在不同文件,写回不及时就会把推测沉淀成事实。Lobster Memory Bootstrap 把这些文件组织成一套启动与维护流程,重点保证 初始化、续接、写回、收口 可重复执行。
如何工作
- 启动序列:依次读取
SOUL.md、USER.md、今日和昨日memory/YYYY-MM-DD.md、ACTIVE-TASKS.md、MEMORY.md;文件缺失时记录缺失并继续。 - 任务续接:读取任务下
projects/<path>/progress.md,按更新时间与主题匹配度排序,输出当前状态、上次停点和 1~3 条下一步建议。 - 写回规则:当日进展写入日志,长期规则写入
MEMORY.md,状态变化更新progress.md和ACTIVE-TASKS.md;仅写入可验证事实。 - 维护与收尾:按
references/heartbeat-policy.md做一致性、上下文补齐和失效信息整理;会话结束时更新任务、沉淀结论并追加收尾摘要。
适用边界
适合已按最小目录约定组织记忆文件的 agent 工作区。它不跨未授权目录读写,不输出敏感原文,不在无确认时执行破坏性操作;如果工作区缺少 ACTIVE-TASKS.md 或 progress.md,能力会退化为日志式记忆维护。
使用场景
- 接手长周期项目时,读取近两日记忆与活跃任务,判断从哪个停点继续。
- 每次有结论后,把可复用规则写入 MEMORY.md,避免下次重复确认。
- 会话结束前,更新对应 progress.md 与 ACTIVE-TASKS.md,并沉淀高价值结论。
- 定期心跳时检查活跃任务一致性、补齐上下文,整理失效信息清理候选。
适合人员
- 维护个人 AI 工作区的工程师,需要稳定读取和写回多层记忆文件
- 长期项目协作者,需要把任务停点、状态和下一步沉淀到 progress.md
- Agent 平台维护者,需要约束记忆写回、心跳检查和会话收尾流程
- 多项目并行者,需要在启动时排序活跃任务并选择续接对象