核心用法
Memory Management 实现了一套企业级的三层记忆架构（HOT/WARM/COLD），专为七大营销领域（SEO/GEO、网红营销、付费广告、邮件、发布、社媒、叙事）设计：
- HOT热缓存（80行/25KB上限）：通过SessionStart钩子自动注入，承载当前会话的核心策略、活跃关键词、竞品追踪和未决事项
- WARM温数据：按技能按需加载的详细档案，包括实体注册表、决策日志、术语表、开放循环追踪等
- COLD冷归档：90天以上的历史数据，按需查询，支持GDPR Art 17合规删除
显著优点
1. 跨会话连续性：解决LLM会话隔离的核心痛点，确保长周期营销项目的上下文不丢失
2. 结构化治理：内置温度生命周期规则（显式提升/自动降级/时效归档），防止记忆腐烂为"陈旧矛盾的噪音"
3. 冲突解决机制：采用"最近优先+显式作废标注"策略，而非静默覆盖，保证审计可追溯性
4. 隐私合规框架：内置GDPR/CCPA删除流程（purge命令），含git历史残留风险提示
5. 跨技能集成：作为协议层基础设施，为关键词研究、竞品分析、内容审计等8+技能提供统一记忆后端
潜在局限
- 版本控制残留风险：技能明确承认仅清理工作区，git历史中的个人数据需用户手动处理（
git filter-repo） - 无自动引用频率追踪：温度降级仅依赖时间戳（30/90天规则），不基于实际访问频率，可能误删"低频但关键"的数据
- 依赖用户主动治理：记忆整合（consolidation）、重复项合并、冲突解决需显式触发，无后台自动维护
- 法律免责声明：未自动校验GDPR Art 6的合法基础，仅作提醒
适合人群
- 多会话长期项目：SEO战役、季度网红合作、年度产品发布等跨越数十次对话的营销计划
- 团队协作文档：需多人接力维护统一上下文的代理型工作流
- 合规敏感行业：处理欧盟/加州个人数据的B2B研究、媒体关系、竞品情报场景
常规风险
- 数据膨胀：热缓存超限时自动截断，可能导致关键上下文丢失
- 决策溯源错误：
skill_inferred标注的决策条目被误作权威依据，引发策略偏差 - 归档查询遗漏：冷数据无自动索引，依赖文件命名约定和路径记忆
- 钩子依赖：SessionStart/PostToolUse行为需主机环境（Claude Code等）支持，非标准API调用