Memory Search

核心用法

Memory Search 是专为AI助手设计的记忆检索系统，提供两个互补工具：memory_search 执行语义向量搜索，通过自然语言查询从 MEMORY.md、memory/*.md 及会话记录中召回相关信息；memory_get 则按路径和行号精确读取文件片段，用于补充搜索结果的前后文。

显著优点

• 语义理解能力强：支持自然语言查询，无需精确关键词匹配
• 检索精度可控：通过 minScore 阈值和 maxResults 数量灵活调节结果质量
• 上下文可扩展：搜索+精读的组合模式，既能快速定位又能深入理解
• 自动化索引：写入记忆文件后系统自动处理，零运维负担

潜在局限性

• 依赖索引质量：若记忆文件未及时更新或结构化不佳，搜索结果会失真
• 无实时计算能力：纯粹检索工具，无法对记忆内容进行推理或聚合
• 边界模糊风险：与人类明确指示的边界场景判断（何时"已足够"）存在一定主观性

适合人群

需要长期维护多轮对话上下文、追踪用户偏好与项目历史的AI助手系统，尤其适用于个人知识管理、长期陪伴型AI及复杂任务协作者。

常规风险

• 信息泄露风险：记忆文件可能包含敏感信息，检索后需谨慎引用
• 时效性误判：向量搜索不区分时间先后，可能召回已过时承诺
• 幻觉增强：过度依赖记忆而忽略用户当前明确指令，产生"经验主义"错误

核心用法

memory_search 是一款声明式文档型工具 Skill，为 AI 提供语义化的长期记忆检索能力。它通过两个互补工具实现功能：

1. `memory_search` — 语义向量搜索，支持自然语言查询、结果数量控制和相关度阈值过滤
2. `memory_get` — 精准定位读取，按文件路径和行号范围提取完整上下文

典型工作流：接收涉及历史上下文的提问 → 执行语义搜索 → 评估结果相关性 → 必要时拉取扩展上下文 → 基于检索结果作答并标注来源。

显著优点

• 零攻击面：纯 Markdown 文档，无可执行代码、无外部依赖、无网络调用，安全评分 100 分
• 语义检索：基于向量相似度而非关键词匹配，能理解"deadlines"与"what's due soon"的语义关联
• 来源可追溯：每次检索返回文件路径、行号范围及格式化引用，满足可解释性要求
• 渐进式查询：支持从宽泛搜索到精准定位的分层策略，避免信息过载
• 合规友好：通过 GDPR 数据最小化与 CCPA 透明度六项检测，无数据收集行为

潜在局限

• 依赖外部索引系统：文档声明"自动索引"，但索引质量、更新延迟、向量模型特性未披露
• T3 来源可信度：社区维护项目，无企业背书，建议关键场景人工复核
• 功能边界模糊：语义搜索的"相关性分数"阈值解释依赖经验调试
• 无持久化保障：未说明记忆文件损坏或索引失效时的降级策略

适合人群

• 需长期维护多轮对话上下文的 AI 助手开发者
• 重视隐私合规、希望避免外部记忆服务的团队
• 对检索可解释性有要求的场景（如医疗、法律咨询辅助）

常规风险

• 索引滞后风险：用户写入记忆文件后若索引未及时更新，可能返回过时结果
• 语义漂移风险：向量相似度可能捕获表面相关但语境不符的内容
• 过度检索风险：默认返回 6 条结果，复杂历史场景可能遗漏关键信息