Remember

核心用法

Remember 是一套面向 AI 助手的持久记忆管理框架，核心解决「存储一切导致噪音」和「错误检索比无记忆更糟」的问题。它要求将记忆按功能而非内容组织，分为六大类别：commitments（承诺）、preferences（偏好）、corrections（纠正）、decisions（决策）、relationships（关系）、contexts（项目上下文）。每条记忆必须标注日期、来源和置信度，并执行激进的修剪策略——30天完成的承诺归档、不活跃上下文移入存档、冲突信息保留最新并记录变更。

显著优点

1. 反熵增设计：明确拒绝「存储一切」的朴素方案，通过价值三分法（高/中/低）和 staleness test（6个月有效性检测）主动衰减噪声
2. 检索优化导向：以「如何在需要时找到」为组织原则，而非事后分类，显著提升回忆准确率
3. 可追溯性：强制记录变更历史（[Updated YYYY-MM-DD] Was: X, Now: Y），避免记忆冲突时的沉默覆盖
4. 用户主权明确：提供 remember/forget/what do you know/never remember 四级控制接口，尊重隐私边界

潜在局限

• 手动维护成本：「激进修剪」依赖人工执行，长期运行可能因懈怠导致膨胀
• 置信度主观性：certain/likely/guess 三级标注缺乏客观标准，不同执行者差异大
• 冷启动问题：新用户需自行定义 categories.md 和领域模板，初始配置门槛较高
• 无自动关联：记忆条目间缺乏语义链接，跨上下文检索依赖人工路径设计

适合人群

高频多轮对话场景的专业用户（咨询、项目管理、长期创作陪伴），以及需要 AI 维护复杂关系网络的企业场景。不适合一次性问答或上下文极短的交互。

常规风险

记忆污染：低置信度条目被后续检索错误引用，导致决策偏差；归档黑洞：移入 archive/ 的内容缺乏索引机制，实质丢失；隐私残留：即使用户说「Forget that」，变更日志 [Updated] 可能泄露敏感历史；时间陷阱：依赖系统时钟，时区或时间篡改会破坏 30天/6个月 等时间规则。

核心用法

Remember 是一套面向 AI Agent 的记忆管理框架与操作规范，而非传统意义上的可执行工具。其核心在于建立一套价值分层、结构组织、主动衰减的记忆体系。用户需按照 Skill 指导，手动创建并维护 memory/ 目录下的 Markdown 文件，包括 commitments.md（承诺与截止日期）、preferences.md（用户偏好）、corrections.md（修正记录）、decisions.md（决策日志）、relationships.md（人际关系）以及 contexts/（项目上下文）。每条记忆需标注记录日期、信息来源（明确陈述 vs 推断）及置信度（确定/可能/猜测），并通过"staleness test"（陈旧性测试）定期审视：六个月后检索，这条信息会帮助还是误导？

显著优点

该 Skill 的最大价值在于对抗记忆系统的熵增。大多数 Agent 倾向于存储一切，导致检索噪声淹没关键信息。Remember 提出的"功能组织优于内容组织"原则极具洞察力——按检索场景（承诺、偏好、修正）分类，而非按主题堆砌。其三层价值分级（高价值永久保留、中价值定期审阅、低价值不存储）提供了清晰的决策锚点。此外，明确的隐私控制指令（"forget that"、"never remember Y"）赋予用户数据主权，符合 GDPR 数据最小化原则。对于长期协作场景，该框架能显著降低上下文漂移，提升 Agent 响应的连贯性与个性化程度。

潜在缺点与局限性

作为纯文档型 Skill，所有价值依赖用户执行力。它不提供自动化记忆捕获、语义检索或冲突解决机制，需人工维护目录结构、定期执行"prune aggressively"（激进修剪）。对于高频交互场景，手动管理成本可能不可持续。此外，缺乏版本控制与合并策略，多人协作同一 Agent 时易产生写入冲突。其"按功能组织"的假设也未必适配所有领域——某些垂直场景可能需要混合分类（如医疗场景需同时按患者-症状-时间维度索引）。最后，T3 来源级别意味着方法论未经大规模生产验证，存在个人偏见风险。

适合的目标群体

• 长期陪伴型 Agent 用户：需要 Agent 记住跨会话偏好、历史承诺的个人用户
• 知识工作者与项目管理场景：需跟踪多项目状态、决策依据、利益相关者角色的专业用户
• AI 系统设计师：寻求为自建 Agent 设计记忆架构的技术从业者
• 隐私敏感用户：明确要求细粒度控制 Agent 记忆内容的场景

不适用于追求即插即用自动化、或缺乏技术背景维护 Markdown 文件结构的用户。

使用风险

性能风险：无直接性能影响，但过度积累未修剪的记忆文件可能拖慢检索效率。

数据泄露风险：Skill 指导创建的记忆文件可能包含敏感信息（人际关系、项目细节），需确保存储位置的访问控制。虽然 Skill 本身不收集数据，但用户生成的记忆内容需自行保护。

依赖风险：零外部依赖，但高度依赖 Claude/Agent 平台的文件系统持久化能力。若平台不保证 .claude/memory/ 目录的跨会话保留，则框架失效。

认知风险："置信度"与"来源提示"的标注依赖用户主观判断，错误标注可能导致 Agent 以高置信度使用低质量推断。

来源风险：T3 级别个人开发者发布，无开源仓库可审计，方法论更新依赖单一维护者。