核心用法
Correction Memory 是一套面向多代理工作流的记忆增强系统，核心解决用户反复纠正同一代理错误的效率损耗问题。系统由两个组件构成：correction-tracker.js 负责将用户修正以结构化格式（agent类型、错误描述、正确行为、时间戳、可选元数据）追加写入 memory/corrections/[AgentType].jsonl；agent-context-loader.js 的注入钩子则在每次子代理启动时，自动读取该类型代理近30天的修正记录，生成前置引导语（correction preamble）拼接到任务描述前。
显著优点
1. 跨会话记忆持久化：修正不再随会话结束而丢失，形成可累积的"组织知识"
2. 自动化注入：与 intent-engineering 技能联动时零配置生效，降低使用门槛
3. 自然语言接口：用户可直接用口语化指令让主代理代为记录，无需记忆API
4. 智能过期机制：30天自动清理陈旧规则，避免修正膨胀和过时约束累积
5. 可观测性设计：JSON Lines格式便于 jq 查询、统计和审计
潜在缺点与局限性
- 依赖文件系统：修正存储于本地
memory/corrections/，无分布式同步，多机协作场景下需额外同步机制 - 关键词匹配粗糙：agent类型检测基于简单关键词表（如
code/coder/impl→ CoderAgent），模糊描述可能误分类 - 无冲突消解：同一agent的相互矛盾修正会被并列注入，可能导致代理困惑
- 30天窗口一刀切：某些核心规范（如代码规范）可能需要长期保留，当前机制不支持规则分级
- 与 intent-engineering 耦合：最佳体验依赖另一技能， standalone 使用需手动植入逻辑
适合人群
- 高频使用子代理进行编码、写作、世界构建的重度AI工作流用户
- 团队协作场景下需要沉淀最佳实践的技术负责人
- 对代理行为有稳定偏好、厌倦重复纠正的个性化用户
常规风险
- 隐私泄露：修正内容可能包含敏感代码片段或业务上下文，JSONL文件需妥善保管
- 提示注入：若修正记录被恶意篡改，自动注入机制可能成为攻击向量
- 行为僵化：过度修正可能导致代理输出趋同，损失创造性探索空间
技术实现评估
代码结构清晰，采用Node.js标准库实现，无外部依赖。日志轮转和并发写入需在生产环境验证。建议补充修正去重和冲突检测机制。