核心用法
Memory Management 实现了一个三层温度记忆系统（HOT/WARM/COLD），覆盖 SEO/GEO、网红营销、付费广告、邮件营销四大营销学科。核心操作流程包括：
- 初始化结构：为新项目创建
memory/目录体系，包含 decisions、open-loops、glossary、entities、audits 等子目录 - 上下文查询：按 HOT→WARM→COLD→询问用户的层级递进查找信息，避免重复提问
- 升降级管理：根据明确的用户请求执行 promote/demote，按
last_updated时间自动归档（90天规则） - 合规清理：支持 GDPR Art 17 / CCPA 删除请求，提供 grep 匹配→确认→删除→审计日志的完整流程
显著优点
1. 跨会话持久化：HOT 缓存通过 SessionStart hook 自动注入，实现"断点续传"式工作流
2. 学科覆盖全面：统一处理关键词、竞品、网红、广告账户、邮件等多维度记忆
3. 隐私合规内建：明确的删除流程、审计日志模板、历史版本警告（git history 限制）
4. 防御性设计：skill_inferred 决策标记为 ADVISORY，需用户确认后才可作为权威依据
潜在缺点与局限性
- 无自动引用计数：依赖显式时间戳而非隐式访问频率，可能导致热数据误判
- git 历史残留："删除"仅作用于工作区，真正的历史抹除需用户手动执行
git filter-repo - 无法阻止再摄入：无墓碑机制，已删除实体可能被其他技能重新写入
- Hook 行为边界：Stop hook 为 no-op，不会自动触发任何内存写入
适合人群
- 需要长期跟踪多营销活动的市场营销团队
- 处理欧盟/加州用户数据、有合规需求的跨境运营者
- 使用 Claude Code 或兼容 agent-skill 主机的项目化工作流用户
常规风险
- 隐私数据累积：
memory/entities/可能无意存储过多第三方个人信息 - 缓存膨胀：80行/25KB 限制需人工干预，超限仅警告不强制阻断
- 跨技能依赖：依赖其他技能（auditors、researchers）正确写入 memory，否则查询失效