前言¶
长对话里模型容易「忘掉」前半段约定；换一个新会话，上一轮的决策和背景往往要重新讲一遍。单靠窗口里的上下文，既占 token，也无法跨会话延续。下面介绍 SkillHub 上的 memory-booster（v6）：在 Agent 侧用检索、压缩和语义搜索，把历史对话变成可复用的记忆。
这是什么¶
memory-booster 是社区发布的 AI 对话记忆增强 Skill，坐标 @user_4bfe8963/memory-booster，当前版本 6.0.1，分类为 ai-agent。官方页面标注 requires_api_key=false，不依赖额外 API Key 配置。
它针对两类问题：跨对话失忆（新会话接不上旧结论）与同对话内上下文丢失（长线程里早期信息被挤掉）。实现上采用 Python，配合 chromadb 向量库与 sentence-transformers 做语义检索。
维护与分发入口：
- SkillHub 展示页：https://www.skillhub.cn/skills/user_4bfe8963/memory-booster
- API 坐标页：https://api.skillhub.cn/user_4bfe8963/memory-booster
核心功能¶
资料中明确的能力可以概括为一条工作流加 v6 扩展：
- !记忆热身 — 启动对历史记忆的检索，让当前对话能挂上既往上下文。
- !记忆压缩 — 保存当前状态快照，把冗长对话收成可再次加载的「记忆块」。
- !找记忆 — 按语义在历史中搜索，而不是只靠关键词或最近几条消息。
- !forge（v6 新增）— 一键生成面向特定行业的定制记忆 Skill（「铸造」场景可用触发词 !铸造）。
除上述命令外，Skill 简介列出的触发词还包括：记忆、失忆、memory、!记忆、!save、!recall、!context、!snapshot、!forge、忘记、忘了。在支持 Skill 的 Agent 里说出这些词或对应命令，即可按 Skill 内说明唤起记忆相关行为。
安装与启用¶
安装方式以 SkillHub 官方说明为准。页面给出的做法是：让 AI 阅读 https://skillhub.cn/install/skillhub.md，并安装 @user_4bfe8963/memory-booster。
人工使用 CLI 时，可先确认 skillhub 是否已安装：
command -v skillhub && skillhub --version
未安装时，可用官方脚本（完整安装含默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安装本 Skill 时，必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/，Agent 可能识别不到。常见路径如下（摘自 SkillHub 安装文档）：
| 环境 | skills 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下 .agents/skills/ |
示例（将坐标装到 Cursor）：
skillhub install user_4bfe8963/memory-booster --dir ~/.cursor/skills/
装好后按所用客户端要求重启或刷新 Skill 列表。Codex CLI、Claude Code 与 Cursor 的差异主要在 skills 目录路径；安装命令本身一致，其余客户端-specific 配置以各产品文档为准。
典型用法¶
官方简介把推荐顺序写得很清楚：先热身 → 再压缩 → 需要时找记忆。下面是可以直接照做的对话级流程（具体脚本与目录以安装后的 SKILL.md 为准）。
- 开始一段需要延续旧项目背景的工作前，发送 !记忆热身，让 Agent 从历史向量库中拉取相关片段。
- 本轮讨论形成稳定结论、待办或架构决定后，使用 !记忆压缩 写快照，避免下次从零复述。
- 只记得「上次说过接口命名规则」但记不清细节时，用 !找记忆 做语义查询，把匹配段落拉回当前上下文。
- 若业务线固定（例如法务、运维、教研），可尝试 v6 的 !forge，生成行业向的记忆 Skill，减少重复手工整理记忆模板。
同义英文触发如 !save、!recall、!context、!snapshot 与中文命令并列存在，便于在混合语言工作流里使用。
适用场景与注意¶
适合谁： 长期用同一 Agent 做项目迭代、需要跨会话保留决策记录、或单会话极长、担心早期约定被冲掉的开发者。依赖本地或 Skill 自带的 Python 与 chromadb、sentence-transformers 链路，适合能接受在机器上跑向量检索的环境。
社区数据（SkillHub 页面，撰写时以页面为准）： 评分 100000，下载 4416 次，分类 ai-agent，来源 community。
注意：
- 记忆质量取决于压缩时机与检索表述；热身与找记忆前，尽量用与历史一致的术语。
- 向量库与模型会占用磁盘与算力；首次使用 sentence-transformers 相关能力时可能有模型下载开销（属该技术栈常见行为，具体以 Skill 包内说明为准）。
- 未在公开简介中看到对外部付费 API 的硬性要求（
requires_api_key=false），但仍须遵守本机 Python 环境与 Skill 依赖的安装说明。
结尾¶
memory-booster 把「检索历史 → 快照保存 → 语义找回」串成固定命令，并在 v6 用 !forge 延伸行业定制记忆。若你正在 SkillHub 上找 ai-agent 类记忆方案，可从官方页查看版本与说明：https://www.skillhub.cn/skills/user_4bfe8963/memory-booster 。
