用途
该技能用于在智能体处理任务时检索过去的对话记忆（情景记忆），避免重复发明已有方案或重犯此前错误。其核心理念是：搜索成本几乎为零，而重建方案或重复错误代价极高。
主要能力
- 通过 search-conversations 子代理检索历史对话，围绕指定主题查找决策、模式、注意事项和代码示例。
- 子代理使用 search 工具搜索，再用 show 工具读取排名前 2-5 条结果，最后综合为 200-1000 字的可执行洞察与来源。
- 相比加载原始对话，可节省约 50-100 倍上下文。
使用方式
技能要求：任何历史搜索都必须派发 search-conversations 代理，并先声明"Dispatching search agent to find [topic]"，然后以 Task 工具调用，指定 subagent_type: "search-conversations"，在 description 中写明搜索主题，在 prompt 中写明具体查询及关注点。
适用场景
- 理解任务之后：用户询问"我该怎么做"或"最佳方案是什么"；探索完当前代码库后需要做架构决策；用户描述需求后询问实现方案。
- 遇到卡点时：调查问题后仍找不到解法；面对当前代码中无明显解法的复杂问题；需要遵循不熟悉的工作流程。
- 出现历史信号时：用户提到"上次""之前""我们讨论过""你实现过"；询问"我们为什么……""原因是什么……"；说"你还记得吗""我们知道哪些关于……"。
限制
- 不应优先搜索的情况：了解当前代码库结构（应先用 Grep/Read 探索）、当前对话中已有的信息、尚未理解用户所问内容之前。
- 不推荐直接使用 MCP 工具 search 与 show，因其会浪费上下文窗口；应始终派发子代理。高级用法可参考 MCP-TOOLS.md 中的完整 API 说明。