核心用法
Memory skill 是一套完整的 Agent 长期记忆管理框架，涵盖记忆内容筛选、存储结构、书写规范、检索策略与维护机制。核心流程包括：明确「该记什么」（决策理由、用户显式偏好、项目上下文、错误教训、请求模式）与「不该记什么」（临时状态、敏感凭证、常识性事实、重复信息、原始对话）；采用三级文件结构（MEMORY.md 主文件、memory/ 主题文件、YYYY-MM-DD.md 日志文件）；遵循简洁、标注日期、注明来源、使用祈使句、分组存放的书写风格；执行「先搜后问」的检索原则；以及周期性审查、日志归并、偏好更新、决策版本化的维护策略。
显著优点
1. 系统性完整：覆盖记忆生命周期的全环节，从采集、存储到检索、淘汰均有明确规则
2. 工程可操作性强：文件层级、行数限制、书写范式等均为具体可执行的指标
3. 检索效率导向：关键词搜索、主从文件交叉引用、按需加载等设计贴合 LLM 上下文限制
4. 防膨胀机制：500 行上限、定期剪枝、去重原则有效避免记忆库劣化
潜在缺点与局限性
- 冷启动成本高：初期需人工建立 MEMORY.md 并维护索引，对低频使用场景投入产出比低
- 检索精度依赖书写质量：若未严格执行「关键词优先」「分组存放」，语义搜索效果下降
- 跨会话一致性挑战：未涉及多 Agent 共享记忆或分布式存储方案
- 版本冲突处理简略：仅提及「替换而非追加」，复杂偏好演化的追溯能力不足
- 敏感数据边界模糊：虽提示「敏感数据不入记忆」，但未定义与密钥管理系统的对接标准
适合人群
- 长期陪伴型 Agent 开发者（个人助手、项目经理、代码伴侣）
- 需要跨会话维持上下文的复杂任务场景
- 对可解释性与可审计性有要求的 B2B 应用
常规风险
- 隐私泄露：记忆文件若未加密存储，可能成为攻击面
- 偏好固化：过度依赖历史记忆可能导致无法捕捉用户态度转变
- 幻觉强化：错误的记忆内容会在检索中被反复引用，形成确认偏误
- 上下文污染：加载过多记忆会挤压对话窗口，导致响应质量下降