用途
Memory Persistence 用于解决 AI 智能体跨会话“失忆”的问题。没有持久化时，每个新会话都从零开始，智能体需要重新学习用户偏好、重新发现代码库模式，并重复已经纠正过的错误。该技能通过实现钩子，在会话结束时保存关键上下文、在会话开始时重新加载，从而营造出连续记忆的效果。
主要能力
- 跨会话记忆：在会话结束时保存关键上下文，在会话开始时重新加载。
- 实体提取：从对话中识别关键事实、决策和偏好。
- 会话摘要：生成紧凑的会话总结。
- 记忆检索与注入：按相关性和新鲜度对记忆排序，将 Top-K 注入智能体上下文。
- 三种记忆粒度：实体级记忆（如“用户偏好保守出价”）、会话级记忆（对话摘要）、模式级记忆（如“该账户总是在品牌词上超支”）。
- 基于 Cloudflare KV 的持久化存储，带索引与 TTL。
使用方式
该技能基于驱动 Buddy™ 的生产级记忆系统，使用 Cloudflare KV 作为持久化记忆存储。流程为：会话开始时查询 KV 存储中与当前用户和任务相关的记忆，按相关性和新鲜度排序后取 Top-K 注入上下文；会话期间智能体正常运行；会话结束时（由钩子或显式保存触发）实体提取器识别关键事实、决策和偏好，会话摘要器生成紧凑摘要，两者被索引并写入 KV 存储以供未来检索。
资料提供了实现示例，包括 Memory 接口与 MemoryStore 类（save/retrieve 方法）、会话结束钩子的实体提取提示词与 extract_and_persist 函数、以及记忆增强的会话启动函数 build_memory_context。
适用场景
- 用户跨多个会话与智能体交互并期望连续性。
- 智能体做出的决策需要随时间保持一致（偏好、约定）。
- 领域知识随会话累积且不应丢失。
- 希望避免重复解释代码库结构或项目上下文。
- 智能体需要跨时间跟踪不断演变的实体（账户、活动、指标）。
- 需要会话摘要用于审计追踪或合规。
最佳实践
- 在会话结束时提取实体，而非会话进行中。
- 按重要性 × 新鲜度排序。
- 积极设置 TTL（超过 90 天的记忆很少相关）。
- 限制记忆注入的 token 数（不超过上下文窗口的 10%）。
- 使用模型进行提取（如 Haiku 级快速模型）。
- 为记忆 schema 设置版本号。
- 定期测试记忆相关性。
平台兼容性
资料给出 Claude Code、Cursor、Codex、Gemini CLI 的兼容性表格：会话钩子在 Claude Code（stop hooks）和 Cursor（Extensions）为支持，Codex 和 Gemini CLI 为自定义；KV 存储四者均支持任意 KV/文件；上下文注入分别通过 CLAUDE.md、Rules/Skills、Instructions、System prompt 实现；实体提取四者均为完整支持；自动保存触发在 Claude Code（Hooks）和 Cursor（Events）支持，Codex 和 Gemini CLI 为手动。
相关技能
Entity Memory Management、Continuous Learning、Token Optimization、Quality Score Optimization。
限制
资料未提供该技能的收费、价格、具体安装命令或独立部署步骤，这些信息暂未提供。