前言¶
长期用 Cursor、Claude Code 等 Agent 写代码时，常见问题是：会话一结束，纠正过的偏好、项目里踩过的坑就丢了；下次又要从头解释。有人把要点写进 AGENTS.md 或笔记，但静态文档不会根据使用频率升降优先级，也不会从任务成败里归纳策略。下面介绍 SkillHub 上的社区 Skill「记忆进化 Memory Evolution」（坐标 @user_0327da8d/memory-evolution，当前版本 3.0.2），它把持久知识库、衰减遗忘和多触发反思合成一套本地运行的记忆系统。
这是什么¶
记忆进化是一套面向 AI Agent 的自学习记忆进化系统：用进化引擎、基于衰减的遗忘模型和多路反思触发，模仿人类记忆的巩固与淡化；从用户纠正、自我反思和自动模式检测中构建可长期沿用的知识。
- 发布渠道：SkillHub 社区（
community），分类ai-agent - 发布者：
user_0327da8d - 依赖：
requires_api_key=false，进化引擎描述为全程本地运行、无需网络 - 官方页面：SkillHub 技能页、API 条目
它合并了作者此前 self-improving、cognitive-memory、ontology 三类思路，定位为开箱即用的统一记忆层，而不是单次对话里的临时上下文。
三层存储与自动升降级¶
系统把记忆分成 HOT、WARM、COLD 三层，用途和加载方式不同：
| 层级 | 用途 | 行为 |
|---|---|---|
| HOT | 核心规则、用户偏好、纠正记录 | 始终加载进上下文（单文件 ≤100 行） |
| WARM | 项目级经验、领域知识 | 按需加载（单文件 ≤200 行） |
| COLD | 归档的历史经验 | 仅在显式查询时检索 |
自动升降级规则（官方说明）：
- 7 天内使用 3 次的模式可提升到 HOT。
- 30 天未使用的条目可降级到 WARM。
- 衰减分数低于阈值时归档到 COLD，而不是删除。
这样核心约束常驻上下文，项目经验按任务拉取，历史内容仍可查，避免把所有记忆一次性塞进 prompt。
进化引擎¶
四个模块在本地协同，无需外网调用：
- Sensor：记录每次任务的成败与上下文。
- World Model：分析历史，预测更易成功的做法。
- Evo Devo：用遗传算法思路生成新策略提案。
- Covenant：安全守卫，拦截危险策略。
引擎按阶段成长：embryonic（被动记录）→ juvenile（开始提议）→ mature（主动进化）→ expert（高置信预测）。适合希望在重复任务类型上逐步固化工作方式、又需要护栏的场景。
衰减遗忘¶
遗忘不是按时间简单清空，而是用相关性分数驱动归档。官方给出的公式为：
relevance = base × e^(-0.03 × 天数) × log2(访问次数 + 1) × 类型权重
类型权重示例：HOT 核心规则 1.5（衰减慢）、用户纠正 1.2、项目经验 0.8（衰减较快）。条目不会被自动删除，只会归档到 COLD，避免「忘掉了但无法追溯」。
反思与安全¶
三种反思触发¶
- 自动反思：完成重要任务后触发（官方条件：5 次以上工具调用，或修改 2 个以上文件），自问「学到了什么」，只记录非显而易见的经验。
- 手动反思：用户说「反思」「回顾」「做梦」时，读取近期记忆，提取 2–4 个模式，写入前需确认。
- 定时做梦：配合心跳或定时任务，重算衰减、降级过期条目、整理待审提案。
安全设计¶
- 写入 HOT 前必须向用户确认。
- 遗忘需用户确认后才执行。
- 归档只移动不删除，并记录原因。
- 用户纠正优先于引擎提案；不从沉默中推断偏好。
长期协作时，这些规则能减少 Agent 擅自固化错误偏好或误删记忆的风险。
安装与启用¶
在 SkillHub 安装流程中，向 Agent 发送官方提示即可：按 skillhub.cn/install/skillhub.md 安装 @user_0327da8d/memory-evolution。具体客户端差异以该安装文档为准；本文不臆造各 IDE 的专有命令。
安装完成后，在 Skill 目录下初始化本地数据目录：
python scripts/init.py
需要把数据放到自定义路径时：
python scripts/init.py --path /你的/数据目录
官方说明支持 Windows、macOS、Linux。初始化之后，记忆文件与进化引擎在本地目录中维护，不依赖 API Key。
典型用法¶
结合官方描述，可按下面方式与 Skill 协作（表述需与 Agent 实际遵循的 SKILL.md 一致，以安装包内说明为准）：
- 纠正与偏好：当你纠正 Agent 的错误或说明偏好时，相关内容可进入记忆体系；写入 HOT 前 Agent 应征求确认。
- 任务后沉淀：复杂任务（多工具调用或多文件修改）结束后，可依赖自动反思把教训写入 WARM/HOT，而不是只留在当次对话。
- 主动整理：说「回顾」或「反思」，让 Agent 汇总近期模式；确认后再落盘。
- 定时维护：在心跳或 cron 类任务里触发「做梦」流程，刷新衰减分与层级，避免 HOT 被冷门条目占满。
- 查历史：需要旧经验时做显式查询，由 COLD 层响应，而不是默认加载全部归档。
不适合把它当成普通问答插件：简单寒暄、一次性指令、无需沉淀的短问答，不必走完整记忆流水线（与 Skill 设计目标一致时，应减少无意义写入）。
适用场景与注意¶
更适合：
- 跨周、跨月的代码库或产品项目，需要积累领域惯例与踩坑记录。
- 多人协作时，希望 Agent 记住不同成员的纠正与偏好（仍受 HOT 确认约束）。
- 复杂自动化流程中，希望从成败记录里归纳策略，并由 Covenant 过滤危险提案。
需要注意：
- 社区 Skill，行为以包内
SKILL.md与脚本为准；升级版本（如 3.0.2）后建议重新阅读变更说明。 - HOT 有行数上限，应把真正「每次都要遵守」的内容放在核心层，其余放在 WARM/COLD。
- 归档不删除不等于可忽略治理：定期用手动反思或定时任务整理，否则 WARM/COLD 仍会膨胀检索成本。
结尾¶
记忆进化 Memory Evolution 把分层存储、本地进化引擎、衰减归档和多种反思触发绑在一起，面向「越用越贴合项目与用户」的 Agent 场景。若要在自己的环境里试用，可从 SkillHub 安装 @user_0327da8d/memory-evolution，执行 python scripts/init.py 初始化后，在长期任务中配合纠正与反思使用。
官方地址：https://www.skillhub.cn/skills/user_0327da8d/memory-evolution
