前言¶
長期用 Cursor、Claude Code 等 Agent 寫代碼時，常見問題是：會話一結束，糾正過的偏好、項目裏踩過的坑就丟了；下次又要從頭解釋。有人把要點寫進 AGENTS.md 或筆記，但靜態文檔不會根據使用頻率升降優先級，也不會從任務成敗裏歸納策略。下面介紹 SkillHub 上的社區 Skill「記憶進化 Memory Evolution」（座標 @user_0327da8d/memory-evolution，當前版本 3.0.2），它把持久知識庫、衰減遺忘和多觸發反思合成一套本地運行的記憶系統。
這是什麼¶
記憶進化是一套面向 AI Agent 的自學習記憶進化系統：用進化引擎、基於衰減的遺忘模型和多路反思觸發，模仿人類記憶的鞏固與淡化；從用戶糾正、自我反思和自動模式檢測中構建可長期沿用的知識。
- 發佈渠道：SkillHub 社區（
community），分類ai-agent - 發佈者：
user_0327da8d - 依賴：
requires_api_key=false，進化引擎描述爲全程本地運行、無需網絡 - 官方頁面：SkillHub 技能頁、API 條目
它合併了作者此前 self-improving、cognitive-memory、ontology 三類思路，定位爲開箱即用的統一記憶層，而不是單次對話裏的臨時上下文。
三層存儲與自動升降級¶
系統把記憶分成 HOT、WARM、COLD 三層，用途和加載方式不同：
| 層級 | 用途 | 行爲 |
|---|---|---|
| HOT | 核心規則、用戶偏好、糾正記錄 | 始終加載進上下文（單文件 ≤100 行） |
| WARM | 項目級經驗、領域知識 | 按需加載（單文件 ≤200 行） |
| COLD | 歸檔的歷史經驗 | 僅在顯式查詢時檢索 |
自動升降級規則（官方說明）：
- 7 天內使用 3 次的模式可提升到 HOT。
- 30 天未使用的條目可降級到 WARM。
- 衰減分數低於閾值時歸檔到 COLD，而不是刪除。
這樣核心約束常駐上下文，項目經驗按任務拉取，歷史內容仍可查，避免把所有記憶一次性塞進 prompt。
進化引擎¶
四個模塊在本地協同，無需外網調用：
- Sensor：記錄每次任務的成敗與上下文。
- World Model：分析歷史，預測更易成功的做法。
- Evo Devo：用遺傳算法思路生成新策略提案。
- Covenant：安全守衛，攔截危險策略。
引擎按階段成長：embryonic（被動記錄）→ juvenile（開始提議）→ mature（主動進化）→ expert（高置信預測）。適合希望在重複任務類型上逐步固化工作方式、又需要護欄的場景。
衰減遺忘¶
遺忘不是按時間簡單清空，而是用相關性分數驅動歸檔。官方給出的公式爲：
relevance = base × e^(-0.03 × 天數) × log2(訪問次數 + 1) × 類型權重
類型權重示例：HOT 核心規則 1.5（衰減慢）、用戶糾正 1.2、項目經驗 0.8（衰減較快）。條目不會被自動刪除，只會歸檔到 COLD，避免「忘掉了但無法追溯」。
反思與安全¶
三種反思觸發¶
- 自動反思：完成重要任務後觸發（官方條件：5 次以上工具調用，或修改 2 個以上文件），自問「學到了什麼」，只記錄非顯而易見的經驗。
- 手動反思：用戶說「反思」「回顧」「做夢」時，讀取近期記憶，提取 2–4 個模式，寫入前需確認。
- 定時做夢：配合心跳或定時任務，重算衰減、降級過期條目、整理待審提案。
安全設計¶
- 寫入 HOT 前必須向用戶確認。
- 遺忘需用戶確認後才執行。
- 歸檔只移動不刪除，並記錄原因。
- 用戶糾正優先於引擎提案；不從沉默中推斷偏好。
長期協作時，這些規則能減少 Agent 擅自固化錯誤偏好或誤刪記憶的風險。
安裝與啓用¶
在 SkillHub 安裝流程中，向 Agent 發送官方提示即可：按 skillhub.cn/install/skillhub.md 安裝 @user_0327da8d/memory-evolution。具體客戶端差異以該安裝文檔爲準；本文不臆造各 IDE 的專有命令。
安裝完成後，在 Skill 目錄下初始化本地數據目錄：
python scripts/init.py
需要把數據放到自定義路徑時：
python scripts/init.py --path /你的/數據目錄
官方說明支持 Windows、macOS、Linux。初始化之後，記憶文件與進化引擎在本地目錄中維護，不依賴 API Key。
典型用法¶
結合官方描述，可按下面方式與 Skill 協作（表述需與 Agent 實際遵循的 SKILL.md 一致，以安裝包內說明爲準）：
- 糾正與偏好：當你糾正 Agent 的錯誤或說明偏好時，相關內容可進入記憶體系；寫入 HOT 前 Agent 應徵求確認。
- 任務後沉澱：複雜任務（多工具調用或多文件修改）結束後，可依賴自動反思把教訓寫入 WARM/HOT，而不是隻留在當次對話。
- 主動整理：說「回顧」或「反思」，讓 Agent 彙總近期模式；確認後再落盤。
- 定時維護：在心跳或 cron 類任務裏觸發「做夢」流程，刷新衰減分與層級，避免 HOT 被冷門條目佔滿。
- 查歷史：需要舊經驗時做顯式查詢，由 COLD 層響應，而不是默認加載全部歸檔。
不適合把它當成普通問答插件：簡單寒暄、一次性指令、無需沉澱的短問答，不必走完整記憶流水線（與 Skill 設計目標一致時，應減少無意義寫入）。
適用場景與注意¶
更適合：
- 跨周、跨月的代碼庫或產品項目，需要積累領域慣例與踩坑記錄。
- 多人協作時，希望 Agent 記住不同成員的糾正與偏好（仍受 HOT 確認約束）。
- 複雜自動化流程中，希望從成敗記錄裏歸納策略，並由 Covenant 過濾危險提案。
需要注意：
- 社區 Skill，行爲以包內
SKILL.md與腳本爲準；升級版本（如 3.0.2）後建議重新閱讀變更說明。 - HOT 有行數上限，應把真正「每次都要遵守」的內容放在覈心層，其餘放在 WARM/COLD。
- 歸檔不刪除不等於可忽略治理：定期用手動反思或定時任務整理，否則 WARM/COLD 仍會膨脹檢索成本。
結尾¶
記憶進化 Memory Evolution 把分層存儲、本地進化引擎、衰減歸檔和多種反思觸發綁在一起，面向「越用越貼合項目與用戶」的 Agent 場景。若要在自己的環境裏試用，可從 SkillHub 安裝 @user_0327da8d/memory-evolution，執行 python scripts/init.py 初始化後，在長期任務中配合糾正與反思使用。
官方地址：https://www.skillhub.cn/skills/user_0327da8d/memory-evolution
