satori

核心用法

Satori 是一个专为解决 AI 会话"失忆"问题设计的记忆持久化技能。它通过调用 @satori-sh/cli 命令行工具，将对话中的重要事实（如技术选型、项目截止日期、用户偏好等）保存到云端向量数据库和知识图谱中。用户可以通过 npx -y @satori-sh/cli@latest add 命令保存事实，或使用 search 命令在新会话开始时自动检索相关上下文。该技能支持 Claude Code、Cursor、Windsurf 等主流 AI 编程工具，能够自动配置 API 密钥和记忆 ID，实现开箱即用的体验。

显著优点

Satori 的最大价值在于打破了不同 AI 工具之间的记忆孤岛。开发者往往需要在 Claude、Cursor、GitHub Copilot 等多个工具间切换，而每个工具的对话历史都是独立的。Satori 通过中央化的云端记忆库，确保关键项目信息（如"使用 PostgreSQL 作为主数据库"、"MVP 截止日期是 3 月 15 日"）能够在任何工具中被召回。此外，它采用混合存储架构（向量搜索 + 知识图谱），既能处理语义搜索，也能维护实体关系，检索准确性较高。自动配置机制也降低了使用门槛，无需手动注册或配置复杂的环境变量。

潜在缺点与局限性

首先，该技能完全依赖网络连接的第三方云服务，所有保存的事实都会传输到 Satori 的服务器，存在数据隐私和合规性风险，不适合处理敏感商业机密或个人隐私数据。其次，CLI 命令使用 @latest 标签动态加载，版本未锁定，可能导致不同时间执行时出现行为不一致，甚至面临供应链攻击风险（如 npm 包被劫持）。此外，记忆质量高度依赖 AI 的判断能力，可能会错误保存无关信息或遗漏关键上下文，且目前缺乏有效的记忆编辑或删除机制。

适合的目标群体

该技能最适合频繁切换不同 AI 编程工具的开发者、需要长期维护复杂项目的独立开发者，以及团队协作中需要共享项目上下文的场景。对于那些在 Claude Code 中开始项目，然后在 Cursor 中继续编码，又希望在 Windsurf 中回顾架构决策的用户，Satori 能提供宝贵的连续性体验。同时，它也是个人知识管理的辅助工具，适合用来记录技术偏好、重要联系人、战略方向等半结构化信息。

使用风险

供应链安全风险：由于使用 npx @latest 动态执行远程代码，如果 @satori-sh/cli 包被攻击者篡改，用户将在不知情的情况下执行恶意代码。数据隐私风险：所有记忆数据都存储在云端，虽然文档明确说明了这一点，但用户仍需警惕不要将密码、API 密钥、商业机密等敏感信息存入其中。可用性风险：作为个人开发者维护的项目，服务的长期稳定性、数据持久性保障都存在不确定性，可能出现服务下线或数据丢失的情况。性能依赖：每次保存或搜索都需要网络请求，在网络不稳定环境下会影响响应速度。