Memory Strategy

当用户需要管理对话记忆时应使用此skill。 触发条件包括： - 用户说"记下来"、"记住这个"、"别忘了"、"永久保存"、"这是一个重点" - 用户查询历史信息："之前是怎么做的"、"查找关于...的记录"、"回忆一下..." - 会话结束需要自动整理归档 - 需要评估信息重要性并决定存储位置 - 需要更新记忆索引或检索规则 本skill提供双层记忆机制（长期记忆+短期记忆）、时间衰减算法（30天周期）、 智能评分系统（1-5分）和Silent Agent自动整理功能。

Memory Strategy Skill

概述

本skill提供完整的对话记忆管理策略，包括：

• 双层记忆架构：长期记忆（永久保存）+ 短期记忆（30天衰减）
• 时间衰减机制：近期内容权重更高，自动归档过期记忆
• 智能评分系统：1-5分自动评估信息重要性
• Silent Agent：会话结束自动整理归档

快速开始

初始化记忆系统

在首次使用时，创建记忆目录结构：

bash

# 在项目根目录执行
mkdir -p .memory/{long-term,short-term}
touch .memory/INDEX.md
touch .memory/README.md

配置参数

在 .memory/config.yaml 中配置：

yaml

# 时间衰减配置
time_decay:
  period: 30              # 衰减周期（天）
  min_weight: 0.2         # 最小权重
  curve: "linear"         # 衰减曲线：linear/exponential

# 评分维度权重
scoring_weights:
  impact: 0.25            # 影响范围
  persistence: 0.25       # 持久性
  reusability: 0.25       # 复用价值
  decision_basis: 0.25    # 决策依据

# 存储路径
storage_paths:
  core_memory: ".memory/long-term/MEMORY.md"
  contacts: ".memory/long-term/contacts.md"
  projects: ".memory/long-term/projects.md"
  decisions: ".memory/long-term/decisions.md"
  patterns: ".memory/long-term/patterns.md"
  preferences: ".memory/long-term/preferences.md"
  feedback: ".memory/long-term/feedback.md"
  daily_log: ".memory/short-term/"

核心功能

1. 记忆写入

自动评分（支持 Kimi API）

方式1：Kimi API 智能评分（推荐）

bash

python scripts/evaluate_importance.py --auto --text "这里是需要评分的内容"

Kimi API 会根据内容语义自动判断4个维度的分值。

方式2：手动输入4维度

text

总分 = 影响范围×25% + 持久性×25% + 复用价值×25% + 决策依据×25%

5分 (核心配置) → 写入 MEMORY.md
4分 (重要经验) → 写入 patterns.md 或 decisions.md
3分 (常规工作) → 写入当日日志
2分 (临时工作) → 写入当日日志（简要）
1分 (不记录)   → 丢弃

触发词检测

用户说以下词语时自动提升评分：

触发词	评分	写入位置
"永久保存"	5分	MEMORY.md
"这是一个重点"	5分	MEMORY.md
"记下来"	4分	长期记忆
"记住这个"	4分	长期记忆
"别忘了"	4分	长期记忆

2. 记忆检索

时间衰减权重

text

天数    权重    加载方式
─────────────────────────────
0-3     100%    完整内容 + [最近]标签
4-7     80%     完整内容 + [近期]标签
8-14    60%     摘要形式
15-30   40%     仅关键信息
>30     20%     已归档，仅强匹配时加载

权重公式: weight = max(0.2, 1 - (days / 30) × 0.8)

三级检索策略

text

Level 1: 核心记忆 (P0)
├── MEMORY.md - 关键配置段落
└── contacts.md - 相关API密钥

Level 2: 专题记忆 (P1/P2)
├── 检测用户查询关键词
├── 匹配INDEX.md主题分类
└── 加载对应的专题文件

Level 3: 历史记忆
├── 0-7天: 完整内容，高权重
├── 8-30天: 摘要形式，中权重
└── >30天: 已归档，低权重

3. Silent Agent 静默整理

触发时机

• 会话结束前（用户说"结束"、"就这样"）
• 长时间无交互（10分钟）
• 用户说"立即整理"

整理流程

1. 内容提取：回顾会话，提取关键事件
2. 自动评分：4维度加权计算1-5分
3. 分级写入：按评分写入对应文件
4. 更新索引：更新INDEX.md
5. 生成报告：向用户展示整理结果

输出示例

text

[Silent Agent] 已为您整理今日记录：
- ⭐⭐⭐⭐⭐ 5分（核心配置）：1条 → 已保存到 MEMORY.md
- ⭐⭐⭐⭐ 4分（重要经验）：2条 → 已保存到 patterns.md
- ⭐⭐⭐ 3分（常规工作）：3条 → 已记录到 2026-03-15.md

工作流程

场景1：用户说"记下来"

text

用户: "记下来：第三方API字段映射需要验证实际返回格式"
     ↓
检测到触发词"记下来"
     ↓
自动评分: 4分（用户明确要求记录）
     ↓
写入: .memory/long-term/patterns.md
     ↓
更新: .memory/INDEX.md 索引
     ↓
反馈: "已记录到patterns.md，评分4分"

场景2：会话结束自动整理

text

用户: "结束今天的对话"
     ↓
触发Silent Agent
     ↓
提取关键事件:
  - 设计双层记忆机制 → 5分
  - 修复API字段映射 → 4分
  - 更新配置文件 → 3分
     ↓
分级写入:
  - 5分 → MEMORY.md
  - 4分 → patterns.md
  - 3分 → 2026-03-15.md
     ↓
更新索引 → 生成报告

场景3：查询历史记忆

text

用户: "之前是怎么配置数据监控的？"
     ↓
关键词匹配: "数据监控"
     ↓
加载相关记忆:
  - projects.md#stock-monitor (Level 2)
  - 近7天日志中相关内容 (Level 3, 80%权重)
  - 7-30天日志摘要 (Level 3, 40%权重)
     ↓
整合回答

文件结构

text

.memory/
├── INDEX.md              # 记忆索引（快速导航）
├── README.md             # 使用说明
├── config.yaml           # 配置文件
│
├── long-term/            # 长期记忆（始终生效）
│   ├── MEMORY.md         # 核心知识库（P0）
│   ├── contacts.md       # 联系人信息（P0）
│   ├── projects.md       # 项目信息（P1）
│   ├── decisions.md      # 重要决策（P1）
│   ├── patterns.md       # 模式实践（P2）
│   ├── preferences.md    # 用户偏好（P2）
│   └── feedback.md       # 反馈记录（P2）
│
└── short-term/           # 短期记忆（30天衰减）
    └── YYYY-MM-DD.md     # 每日工作记录

使用脚本

evaluate_importance.py

评估信息重要性并返回1-5分，支持手动评分和 Kimi API 自动评分：

手动评分：

bash

python scripts/evaluate_importance.py \
  --impact 5 \
  --persistence 5 \
  --reusability 4 \
  --decision_basis 5

Kimi API 自动评分（推荐）：

bash

# 需要先配置 API Key
export KIMI_API_KEY="your-api-key"

python scripts/evaluate_importance.py \
  --auto \
  --text "这是一个需要评估重要性的工作内容描述..."

输出示例：

json

{
  "score": 4,
  "level": "重要经验",
  "storage": "long-term/patterns.md 或 decisions.md",
  "stars": "⭐⭐⭐⭐",
  "dimensions": {
    "impact": 4,
    "persistence": 5,
    "reusability": 4,
    "decision_basis": 4
  },
  "reasoning": "这是一个重要的技术方案决策...",
  "method": "kimi_api"
}

retrieve_memory.py

检索记忆（带时间衰减）：

python

python scripts/retrieve_memory.py \
  --query "数据监控" \
  --days 30 \
  --output results.json

silent_agent.py

静默整理会话内容：

python

python scripts/silent_agent.py \
  --session-log conversation.json \
  --auto-write true

update_index.py

更新记忆索引：

python

python scripts/update_index.py \
  --memory-dir .memory/

最佳实践

记忆写入

• 完成实质性工作后自动追加到当日日志
• 重要决策、偏好变更立即写入长期记忆
• 使用触发词强制提升优先级

记忆检索

• 会话开始时读取相关长期记忆
• 涉及历史工作时读取对应日期的短期记忆
• 利用时间衰减优先查看近期内容

定期维护

• 每周检查当日日志长度
• 每月1日整理上月短期记忆
• 将重要信息迁移到长期记忆
• 删除已无价值的临时记录

故障排除

问题1：记忆写入失败

原因: 目录权限不足或路径错误 解决: 检查 .memory/ 目录权限，确认 config.yaml 路径配置正确

问题2：检索不到历史记忆

原因: 索引未更新或关键词不匹配 解决: 运行 update_index.py 更新索引，检查INDEX.md中的标签

问题3：Silent Agent未触发

原因: 触发条件未满足 解决: 手动说"立即整理"触发，或检查config.yaml中的超时设置

参考文档

• references/retrieval_rules.md - 检索规则详解
• references/scoring_criteria.md - 评分标准
• references/time_decay_formula.md - 时间衰减算法
• references/silent_agent_guide.md - Silent Agent使用指南

示例文件

• assets/templates/daily_log_template.md - 每日日志模板
• assets/templates/memory_index_template.md - 索引模板
• assets/examples/sample_daily_log.md - 示例日志

版本历史

• v1.0.0 (2026-03-15) - 初始版本，包含双层记忆、时间衰减、智能评分、Silent Agent