核心用法
Memory Curator 是一款专为 Agent 长期记忆管理设计的本地日志处理工具。它通过 Shell 脚本将每日产生的 200-500+ 行原始日志自动压缩为 50-80 行的结构化摘要，并生成标准化的摘要模板（digest）。用户只需运行 ./scripts/generate-digest.sh 即可为当天或指定日期生成摘要骨架，随后手动填充 Summary、Learnings、Tomorrow 等关键区块即可完成归档。
该工具采用「索引优先」架构：通过层级化的 memory/ 目录结构（INDEX.md 主索引 → digests/ 摘要 → topics/ 深度主题 → daily/ 原始日志），实现快速信息检索。工作流程遵循「扫描索引 → 定位摘要 → 按需深入原始日志」的三级递进模式，大幅降低长上下文场景下的 token 消耗。
显著优点
极致的压缩比：通过 aggressive compression 策略，将日志体积压缩至原来的 10-20%，同时保留关键人物、事件、学习点和待办事项。
结构化的记忆延续：Open Questions 和 Tomorrow 区块天然支持跨会话连续性，解决 Agent「失忆」问题；Connections 字段强制记录交互对象，构建可追踪的关系网络。
零依赖与高性能：纯 Bash 实现，零第三方依赖，129 行代码轻量部署，适合嵌入 cron 定时任务实现自动化归档。
隐私本地优先：所有数据处理均在本地完成，无网络传输、无云端存储，满足敏感场景下的数据主权要求。
潜在缺点与局限性
人工填充成本：自动生成的仅为模板骨架，Summary、Learnings、Tomorrow 等核心洞察仍需人工撰写，无法完全自动化。
无智能语义理解：基于规则的分段与提取，不具备 LLM 的语义摘要能力，复杂对话的提炼质量依赖用户判断力。
日期格式脆弱性：输入日期参数缺乏格式校验，错误输入可能导致文件路径异常。
T3 来源限制：个人开发者维护，无企业级 SLA 保障，长期维护活跃度存疑。
适合的目标群体
- 需要管理长期记忆上下文的 AI Agent 开发者
- 追求数据隐私、拒绝云服务的本地优先用户
- 日志量大但预算有限、希望降低 token 消耗的研究者
- 习惯手动梳理每日工作的效率工具爱好者
使用风险
数据泄露风险：生成的摘要文件若置于 Git 跟踪目录，可能意外提交包含敏感上下文的记忆片段。建议将 memory/digests/ 加入 .gitignore。
来源可信度：T3 级别个人开发者作品，缺乏社区审计历史，建议审查脚本源码后再部署至生产环境。
功能边界：非通用日志分析工具，专为 Agent 记忆场景设计，移植至其他领域需二次开发。