记忆系统 Pro

要解决什么问题

长对话或多轮任务里，模型只能依赖当前上下文窗口，历史决策、用户偏好和中间结论很容易在下一轮被挤掉或复述不一致。纯靠系统提示塞满背景既占 token，又难以按主题更新。Agent 场景下还需要在「工具调用结果」与「用户意图」之间建立可复用的状态，而不是每次从零推理。

技能如何工作

@user_e02e04b8/memory-system-pro 以 Memory System 技能包的形式挂在 Agent 上，把「记什么、何时写回、如何引用」收敛成可执行的技能说明，而不是散落在各条 user rule 里。

典型使用方式包括：

• 在对话中区分短期工作记忆（当前任务栈、未完成步骤）与可跨轮保留的要点（约束、已确认事实）
• 用结构化片段（如摘要块、要点列表）减少重复粘贴长上下文
• 在调用工具前后，用固定话术触发「更新记忆 / 读取记忆」，让宿主模型按同一套流程走

技能通过 SKILL.md 与清单约定与宿主 Agent 对齐；具体存储是否落盘、是否走外部服务，取决于你接入的运行环境，技能侧主要提供行为契约与编排模板。

适用边界与注意点

• 它不是独立的向量数据库或 RAG 产品；长文档检索仍需你自备检索链路与数据源。
• 记忆质量仍依赖模型是否遵守技能中的读写时机；建议在关键节点（任务切换、用户更正）显式要求刷新记忆块。
• 与 https://skillhub.cn/install/skillhub.md 及规范名 @user_e02e04b8/memory-system-pro 安装后，应在 Agent 配置里保留完整技能正文，避免只留标题导致记忆流程被省略。