前言¶
長對話裏模型容易「忘掉」前半段約定；換一個新會話，上一輪的決策和背景往往要重新講一遍。單靠窗口裏的上下文，既佔 token，也無法跨會話延續。下面介紹 SkillHub 上的 memory-booster（v6）：在 Agent 側用檢索、壓縮和語義搜索，把歷史對話變成可複用的記憶。
這是什麼¶
memory-booster 是社區發佈的 AI 對話記憶增強 Skill，座標 @user_4bfe8963/memory-booster，當前版本 6.0.1，分類爲 ai-agent。官方頁面標註 requires_api_key=false，不依賴額外 API Key 配置。
它針對兩類問題：跨對話失憶（新會話接不上舊結論）與同對話內上下文丟失（長線程裏早期信息被擠掉）。實現上採用 Python，配合 chromadb 向量庫與 sentence-transformers 做語義檢索。
維護與分發入口：
- SkillHub 展示頁：https://www.skillhub.cn/skills/user_4bfe8963/memory-booster
- API 座標頁：https://api.skillhub.cn/user_4bfe8963/memory-booster
核心功能¶
資料中明確的能力可以概括爲一條工作流加 v6 擴展：
- !記憶熱身 — 啓動對歷史記憶的檢索，讓當前對話能掛上既往上下文。
- !記憶壓縮 — 保存當前狀態快照，把冗長對話收成可再次加載的「記憶塊」。
- !找記憶 — 按語義在歷史中搜索，而不是隻靠關鍵詞或最近幾條消息。
- !forge（v6 新增）— 一鍵生成面向特定行業的定製記憶 Skill（「鑄造」場景可用觸發詞 !鑄造）。
除上述命令外，Skill 簡介列出的觸發詞還包括：記憶、失憶、memory、!記憶、!save、!recall、!context、!snapshot、!forge、忘記、忘了。在支持 Skill 的 Agent 裏說出這些詞或對應命令，即可按 Skill 內說明喚起記憶相關行爲。
安裝與啓用¶
安裝方式以 SkillHub 官方說明爲準。頁面給出的做法是：讓 AI 閱讀 https://skillhub.cn/install/skillhub.md，並安裝 @user_4bfe8963/memory-booster。
人工使用 CLI 時，可先確認 skillhub 是否已安裝：
command -v skillhub && skillhub --version
未安裝時，可用官方腳本（完整安裝含默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安裝本 Skill 時，必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/，Agent 可能識別不到。常見路徑如下（摘自 SkillHub 安裝文檔）：
| 環境 | skills 目錄 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或項目下 .agents/skills/ |
示例（將座標裝到 Cursor）：
skillhub install user_4bfe8963/memory-booster --dir ~/.cursor/skills/
裝好後按所用客戶端要求重啓或刷新 Skill 列表。Codex CLI、Claude Code 與 Cursor 的差異主要在 skills 目錄路徑；安裝命令本身一致，其餘客戶端-specific 配置以各產品文檔爲準。
典型用法¶
官方簡介把推薦順序寫得很清楚：先熱身 → 再壓縮 → 需要時找記憶。下面是可以直接照做的對話級流程（具體腳本與目錄以安裝後的 SKILL.md 爲準）。
- 開始一段需要延續舊項目背景的工作前，發送 !記憶熱身，讓 Agent 從歷史向量庫中拉取相關片段。
- 本輪討論形成穩定結論、待辦或架構決定後，使用 !記憶壓縮 寫快照，避免下次從零複述。
- 只記得「上次說過接口命名規則」但記不清細節時，用 !找記憶 做語義查詢，把匹配段落拉回當前上下文。
- 若業務線固定（例如法務、運維、教研），可嘗試 v6 的 !forge，生成行業向的記憶 Skill，減少重複手工整理記憶模板。
同義英文觸發如 !save、!recall、!context、!snapshot 與中文命令並列存在，便於在混合語言工作流裏使用。
適用場景與注意¶
適合誰： 長期用同一 Agent 做項目迭代、需要跨會話保留決策記錄、或單會話極長、擔心早期約定被沖掉的開發者。依賴本地或 Skill 自帶的 Python 與 chromadb、sentence-transformers 鏈路，適合能接受在機器上跑向量檢索的環境。
社區數據（SkillHub 頁面，撰寫時以頁面爲準）： 評分 100000，下載 4416 次，分類 ai-agent，來源 community。
注意：
- 記憶質量取決於壓縮時機與檢索表述；熱身與找記憶前，儘量用與歷史一致的術語。
- 向量庫與模型會佔用磁盤與算力；首次使用 sentence-transformers 相關能力時可能有模型下載開銷（屬該技術棧常見行爲，具體以 Skill 包內說明爲準）。
- 未在公開簡介中看到對外部付費 API 的硬性要求（
requires_api_key=false），但仍須遵守本機 Python 環境與 Skill 依賴的安裝說明。
結尾¶
memory-booster 把「檢索歷史 → 快照保存 → 語義找回」串成固定命令，並在 v6 用 !forge 延伸行業定製記憶。若你正在 SkillHub 上找 ai-agent 類記憶方案，可從官方頁查看版本與說明：https://www.skillhub.cn/skills/user_4bfe8963/memory-booster 。
