用途：Perpetual Memory 用于自动记录智能体交互中的关键信息，把决策、学习、模式、陷阱和问题嵌入向量库，实现跨会话的语义召回，无需显式“记住”命令。
主要能力：在工具完成后（PostToolUse）拦截交互，提取“发生了什么、为何重要、上下文、类别信号”；自动按关键词分类为 decision、learning、pattern、gotcha、issue，可用 --category 覆盖；存储前做去重，默认阈值 0.92 余弦相似度，可用 --dedup-threshold 调整；数据存入 LanceDB 的 perpetual_memory 表并自动维护向量索引，查询使用 ANN 近似最近邻搜索。
使用方式：通过 CLI 操作，例如存储 node .claude/tools/cli/auto-embed.cjs --text "interaction text" --agent developer --task-id task-5；查询 node .claude/tools/cli/auto-embed.cjs --query "how does routing work" --limit 10；查看统计 --stats；从标准输入读取 echo "important finding" | node .claude/tools/cli/auto-embed.cjs --stdin --agent qa。智能体可在任务完成时自动嵌入摘要。
适用场景：完成重要任务后、产生发现或决策时、调试出根因或变通方案时、做出架构决策时、发现新模式或反模式时、会话边界生成摘要时。不适用于无洞见的只读查询、无长期价值的临时调试输出、已存在的重复内容。
限制与规则：不得存储密钥、凭据或 PII；存储前必须去重；不得破坏现有 memory-search.cjs，本技能是附加层而非替代；必须包含 agent 与 task-id 元数据；不得逐字嵌入原始工具输出。它与 learnings.md、decisions.md、issues.md、patterns.json、gotchas.json 等现有记忆系统互补，不干扰 pnpm search:code。
其他事实：官方文本暂未提供。