SuperAPI AI 工具集

memory-management

智能体与模型

查看项目

更新于 10-16 02:07

技能介绍

用途

memory-management 技能用于让 Claude 管理轻量级记忆系统,从而改善对话、项目和长时间运行的工作流之间的连续性。

该工作流聚焦于:持久上下文组织、项目记忆、任务连续性、结构化笔记系统、工作流回忆、轻量级智能体记忆架构、长期执行一致性。

其目标是帮助 Claude 以结构化方式保留和组织重要信息,同时不以不必要的复杂性拖累工作流。该技能有意保持轻量和初学者友好,便于用户先理解记忆系统基础,再构建更高级的智能体架构。

主要能力

该技能围绕以下能力组织工作流:

  • 定义哪些内容应被记住
  • 创建轻量级记忆文件
  • 跟踪活跃工作流
  • 保留重要决策
  • 审查与精炼记忆
  • 在执行过程中使用记忆
  • 验证记忆质量

最终输出应包含:结构化记忆文件、轻量级上下文摘要、任务连续性系统、项目状态跟踪、可复用工作流知识,并保持简单、可维护、可扩展、低噪声、面向执行。

使用方式

开始前准备

  • 创建项目工作区。
  • 创建以下文件夹:notes、tasks、memory summaries、project state、references。
  • 推荐结构:
memory/
  active-context.md
  project-summary.md
  tasks.md
  decisions.md
  • 选择存储系统。推荐选项:Markdown 文件、GitHub 仓库、Notion、Obsidian、本地 JSON 文件。
  • 推荐工具:VS Code、Markdown 编辑器、Git、Claude。
  • 可选:向量数据库、本地嵌入、记忆索引系统。

所需输入

  • 项目信息
  • 进行中的任务
  • 重要决策
  • 工作流状态
  • 持久用户偏好

可选:

  • 现有文档
  • 会话日志
  • Git 历史
  • 之前的摘要

工作流步骤

  1. 定义应记住的内容:识别进行中的任务、项目目标、重复工作流、重要技术决策、持久用户偏好,关注长期相关性、执行价值和连续性支持。
  2. 创建轻量级记忆文件:如 active-context.md、tasks.md、decisions.md、project-summary.md。每个文件应简洁、可读、易更新,避免巨大无结构日志、重复上下文和不必要冗长。
  3. 跟踪活跃工作流:维护当前目标、阻塞项、近期进展、待处理任务。Claude 应总结变化、下一步重点以及仍然重要的上下文,以提升工作流连续性、执行速度和规划清晰度。
  4. 保留重要决策:跟踪架构选择、工作流模式、实现策略、反复出现的偏好。良好的决策跟踪可避免重复讨论、执行不一致和项目上下文丢失。
  5. 审查与精炼记忆:定期删除过时信息、简化摘要、合并重复上下文、改进组织。
  6. 在执行中使用记忆:主动引用记忆以保持连续性、避免重复解释、对齐项目目标、保持工作流一致性。
  7. 验证记忆质量:最终确定前确保记忆仍然相关、删除陈旧上下文、验证任务准确性、简化过于复杂的结构。

适用场景

在以下情况下使用该技能:

  • 管理长期项目
  • 维护工作流连续性
  • 跟踪进行中的任务
  • 保留重要决策
  • 构建 AI 智能体系统
  • 改善多会话一致性
  • 组织持久项目知识

示例用例:为一个长期 AI 工具仓库维护项目连续性。Claude 应跟踪活跃项目目标、保留重要架构决策、维护任务进度摘要、存储可复用工作流知识、增量更新记忆文件、保持上下文轻量与结构化。最终结果应改善连续性、减少重复解释、保持项目一致性、支持长期工作流,并保持易于审查和更新。

限制

不要将该技能用于:

  • 临时一次性任务
  • 存储不必要细节
  • 无结构的过量日志
  • 高度敏感私人数据
  • 无需连续性的短期实验

核心记忆原则

  1. 保持记忆轻量:简单、结构化、易审查、易更新。避免存储一切、过量日志、无结构倾倒和噪声上下文积累。
  2. 只存储高价值上下文:优先重要决策、活跃任务、项目目标、可复用工作流、反复出现的偏好。避免临时对话填充、无关细节、重复信息。
  3. 结构化组织记忆:推荐类别包括活跃上下文、项目摘要、任务跟踪、技术决策、工作流模式。结构化记忆改善检索、可读性和可扩展性。
  4. 增量更新记忆:总结变化、更新任务状态、精炼项目理解、删除过时上下文。避免不断重写全部内容、存储冲突信息、任由陈旧上下文积累。
  5. 记忆应改善执行:记忆的目的不只是存储,良好的记忆系统应改善执行质量、工作流连续性、规划一致性和长期项目理解。

智能体执行策略

智能体应:只存储高价值上下文;保持记忆轻量与结构化;增量更新摘要;保留重要工作流连续性;删除过时或噪声信息;使用记忆改善未来执行质量。工作流应针对连续性、清晰度、可扩展性、长期有用性和执行一致性进行优化。

最佳实践

  • 保持记忆简洁
  • 只存储有用的长期上下文
  • 结构化组织记忆
  • 增量更新
  • 定期删除陈旧信息
  • 清晰保留重要决策
  • 使用记忆改善执行,而不仅是存储

说明

轻量级记忆系统更易维护;良好的记忆改善长期工作流一致性;过多上下文存储会降低清晰度;结构化摘要比原始日志更具可扩展性;简单记忆系统是智能体工作流的最佳起点。