Extract Memories

对话结束时主动提炼关键记忆到 topic 文件 / 触发词：提炼记忆、提取记忆 / 命令：/extract-memories

Security Scan

The skill's declared purpose and requested file/session permissions match, but its automatic triggers, 'unlimited' session reads, and append-write behavior risk capturing and persisting sensitive conversation data without clear safeguards.

Purpose & Capability

Name/description (extract memories into memory/topics and update MEMORY.md) align with the permissions and operations described in SKILL.md. It only requests file read/write and session-history access, which are the capabilities you'd expect for this feature. No unrelated env vars, binaries, or installs are requested.

Instruction Scope

Instructions require reading the 'current session recent messages (不限条数)' and scanning them for memories, then appending topic files and updating MEMORY.md. There is no explicit redaction, sanitization, or limiting of how many messages are read. The lack of explicit privacy safeguards (what to exclude beyond a brief 'What NOT to Save' list) and use of unlimited reads increases the chance of persisting sensitive data.

Install Mechanism

Instruction-only skill with no install spec and no code files. This has a lower install risk because nothing new is written to disk by an installer step; behavior is limited to what the agent is asked to do at runtime.

Credentials

No environment variables or external credentials are requested (good). The declared required permissions (FileRead, FileWrite/FileEdit on memory/* and sessions_history) are proportional to the stated purpose, but sessions_history is sensitive — it grants access to the conversation content that will be persisted.

Persistence & Privilege

always:false (good), but the skill explicitly instructs the agent to trigger automatically on detected 'end of conversation' and via heartbeat intervals. Autonomous invocation combined with the ability to read full session history and write files means the skill can silently create persistent records of conversations without an explicit per-action user confirmation.

What to consider before installing

This skill does what it promises (extracts and stores conversation 'memories'), but review before installing: 1) It will read session history and write files under memory/topics/ and append MEMORY.md — test with non-sensitive content first. 2) Consider disabling automatic triggers (use manual /extract-memories only) or require an explicit confirmation before saving. 3) Ask the author to add redaction/sanitization rules (PII, credentials, secrets) and a configurable message-depth limit instead of '不限条数'. 4) Confirm where memory files are stored and whether they are backed up or shared. 5) If you must install, audit a few generated topic files to ensure no secrets were captured and consider restricting the skill's FileRead/FileWrite scope if the platform allows it.

extract-memories v3.1.0 — 对话记忆提炼

对话结束时主动分析本轮对话，将值得持久化的信息写入 memory/topics/ 下的独立 topic 文件，同时更新 MEMORY.md 索引。

---

线性工作流

用户输入："提炼记忆" 或 检测到对话结束词
         ↓
Step 1 — 确定本轮对话范围
         读取当前 session 最近消息，确定本轮对话起止
         ↓
Step 2 — 识别值得提炼的内容
         扫描消息，识别：用户决策 / 用户偏好 / 项目约束 / 外部系统指针
         ↓
Step 3 — 按四类型分类
         每个内容 → 判断类型（user/feedback/project/reference）
         feedback 必须含 Why + How to apply
         ↓
Step 4 — 检查 topics/ 是否有重复
         grep 已有 topic，确认没有重复再写
         ↓
Step 5 — 写入 topic 文件（APPEND，不覆盖）
         格式：frontmatter + 正文
         ↓
Step 6 — 更新 MEMORY.md 索引
         添加一行指针（≤150字符）
         ↓
输出："已为您提炼本轮记忆 ✅" + 提炼条数

---

Step 1 — 确定本轮对话范围

读取当前 session 最近消息（不限条数，确保覆盖完整对话）。

---

Step 2 — 识别值得提炼的内容

识别以下类型的信息：

类型	特征	例子
用户决策	用户明确做出了选择或结论	"用这个方案"
用户偏好	用户说了喜欢/不喜欢/习惯	"我喜欢用 bun"
项目约束	截止时间、冻结期、技术限制	"周五前要上线"
外部系统指针	URL、工具、账号、路径	"在 Linear 里有"

过滤：以下不提炼——代码结构、git历史、已在 CLAUDE.md/AGENTS.md 的内容、临时状态。

---

Step 3 — 按四类型分类

每个内容判断类型：

类型	判断标准
user	用户角色、偏好、知识
feedback	用户纠正或确认的行为（含 Why + How to apply）
project	截止、动机、约束（含 Why + How to apply）
reference	外部系统 URL/路径 + 用途

---

Step 4 — 检查重复

执行 grep 搜索已有 topic 文件：

• 相同段落是否已存在
• 相同 URL/路径是否已记录

若有重复，追加新内容到已有文件，不新建。

---

Step 5 — 写入 topic 文件

格式（frontmatter）：

---
name: 名称
description: 一句话描述（用于判断 relevance）
type: user / feedback / project / reference
---
正文内容

**Why:** 原因（feedback/project 必须）
**How to apply:** 何时适用（feedback/project 必须）

写入模式：APPEND，不覆盖已有内容。

---

Step 6 — 更新 MEMORY.md 索引

在 MEMORY.md 末尾追加一行指针：

- [名称](topics/文件名.md) — 一句话 hook（≤150字符）

---

输出格式

已为您提炼本轮记忆 ✅ 写入位置：memory/topics/

提炼结果：N条

user

• 正文（一段文字即可）

feedback

• 正文 Why: 原因 How to apply: 何时适用

project

• 正文 Why: 动机 How to apply: 如何影响工作

reference

• URL/路径 + 用途说明

---

What NOT to Save（6条禁止）

1. 代码结构/文件路径（可从源码读取）
2. Git 历史（git log 是权威来源）
3. 调试方案（修复在代码里）
4. CLAUDE.md/AGENTS.md 已有的内容
5. 临时任务状态
6. PR 列表/活动摘要

---

触发机制

主会话主动触发（主要）

每次对话结束时，主 agent 会：

1. 检测结束模式：中文（再见/bye/下次见/拜拜/结束了/先这样）或英文（bye/see you/that's all）
2. 检测到结束模式 → 主动执行记忆提炼
3. 提炼完成后提示："已为您提炼本轮记忆 ✅"

建议在 AGENTS.md 中加入：

对话结束时，主动调用 /extract-memories 提炼关键记忆。

Heartbeat 辅助检测

每次 heartbeat 时检查：

• 最近消息是否匹配结束模式
• 或距上次提炼是否超过 30 分钟
• 若满足条件则触发提炼

手动触发

• 命令：/extract-memories

---

权限要求

• FileRead：读取对话上下文、MEMORY.md、topics/
• FileWrite / FileEdit：写入 memory/topics/、MEMORY.md
• sessions_history：读取主会话消息（heartbeat 触发时）

触发词

• 自动：主会话主动检测结束模式
• 自动：Heartbeat 辅助检测
• 手动：/extract-memories

---

本 Skill 基于 CC 记忆系统设计，适配 OpenClaw v3.1.0