用途：当 Honcho 已连接到智能体时，本技能说明如何把它当作持久用户记忆使用，核心是 recall → respond → record 循环。若要把 Honcho 从零集成进代码库，应改用 honcho-integration 技能。
主要概念：Peer 是参与者（人或 AI）；Session 是一条对话线程，消息存于其中；Message 是喂入的原始对话轮次；Conclusion 是 Honcho 推导或手动存储的关于某 peer 的事实；Representation/peer card 是对 peer 的综合理解，可跨会话累积，而会话级数据（近期消息、摘要）只留在单个会话内。推理是异步的，记录后无需轮询等待。
使用方式：每次对话先确保存在包含你与用户的 session（观察用户，不观察自己）；需要个性化时，用 get_session_context / get_representation 或 search 做快速读取，需要针对具体问题的推理答案时用 dialectic（chat），它耗时数秒并可选推理级别（minimal、low 默认、max）。每次交流后必须记录用户消息与你的回复，这是记忆增长的唯一必要步骤；对希望立即可用的持久事实，可手动存储 conclusion，但先查询避免重复。
接入路径：优先使用现成集成，如 Claude Code 插件（/plugin marketplace add plastic-labs/claude-honcho），也有 OpenCode、LangGraph、CrewAI、Discord 等集成；无集成但有 MCP 工具时按上述循环驱动；终端有 honcho CLI 时用 honcho-cli 技能验证记忆是否在构建。未连接时需 Honcho API key（https://app.honcho.dev，以 hch- 开头），MCP 指向 https://mcp.honcho.dev 并带 Authorization: Bearer hch-your-key-here，可选 X-Honcho-Workspace-ID，添加配置后需完全重启客户端。
规则与限制：始终记录轮次；每个实体使用稳定唯一的 peer_id，避免拆分导致记忆碎片化；session 按连贯上下文划分；不要阻塞等待推理；读取便宜、推理较贵；同一应用/用户上下文使用同一 workspace，跨工具统一记忆需共享 workspace 与 peer ID。具体集成列表、工具名、安装命令、请求头与默认值可能变化，应以官方文档和实时工具列表为准。