用途：为智能体提供持久化记忆，支持按语义（向量嵌入）和关键词（SQLite FTS5 的 BM25）检索，并将两者加权合并为混合评分，帮助跨会话保持上下文、检索代码模式与文档、记录用户偏好。
主要能力：以 Markdown 作为输入并按段落分块且保留标题；调用可配置的嵌入接口生成向量，使用 SHA-256 哈希做嵌入缓存；数据存入 SQLite（memories 表存 id、content、vector_blob、metadata、created_at，memories_fts 用于全文检索，embedding_cache 用于缓存）。支持三种检索模式：vector、keyword、hybrid（默认）。混合评分为向量权重乘以向量得分加关键词权重乘以归一化 BM25 得分。
使用方式：安装后在技能目录执行 npm install。通过环境变量或 .env 配置 OPENAI_API_KEY（嵌入必需）、EMBEDDING_MODEL（默认 text-embedding-3-small）、HYBRID_VECTOR_WEIGHT（0-1，默认 0.7）、HYBRID_MEMORY_DB_PATH（默认 /job/data/hybrid-memory.db）。命令行包括 memory-init 初始化数据库，memory-store 存储（支持 --tags、--source、--id、-f 读文件），memory-search（--mode、--tags、--limit），memory-recall（--top-k、--threshold），memory-list、memory-delete、memory-export（json/markdown）、memory-stats。智能体侧暴露 memory_recall、memory_store、memory_search 三个工具。
适用场景：长对话上下文保持、代码知识库、语义化文档检索、用户偏好记忆、研究知识积累。
限制：嵌入默认依赖 OpenAI API，需自备密钥；资料未提供除 OpenAI 之外的具体本地嵌入模型实现细节、定价与配额；存储与性能数据（如每条约 6KB、1 万条约 60MB、向量检索 <10ms、关键词检索 <50ms、嵌入延迟约 100-300ms）为资料给出的预期值；除环境变量与命令外，其他部署与平台支持情况暂未提供。