前言¶
让 AI 长期跑在一个会话里，几个问题会慢慢冒出来。记忆文件越写越多，每次上下文都把这些内容带进去，Token 消耗跟着涨；缓存占着空间却不一定还在用；换台设备或开个新会话，之前记住的东西就断了，同一个坑反复踩。现有的办法往往是手动清缓存、手动翻文件，缺少对「记忆」本身的治理：写入有没有审计、出了问题能不能回滚、哪些记忆该加载哪些不该加载，都没有明确机制。
下面介绍的「记忆管家 V4.0.6」就是针对这几个问题的工具。它管理 .workbuddy/memory/ 目录，目标放在「更小、更准、更省」三件事上。
这是什么¶
记忆管家是一个面向 AI Agent 的记忆管理 Skill，坐标 @indiv-aakook/memory-manager-v2，版本 4.0.6，来源 community，分类 ai-agent，发布者 user_98283d0f，不需要 API key（requires_api_key=false）。SkillHub 页面抓取时点显示评分 100000、累计下载 127269 次、安装 9 次。它解决的问题是：让 AI 记住过往、清理缓存、省 Token、不重复踩坑、跨设备延续上下文。
核心功能¶
记忆管家把能力分成几块，下面按块介绍。
治理闭环¶
围绕 .workbuddy/memory/ 的写入和回滚，提供一组闭环命令：govern 做写入治理审计，snapshot 做快照回滚，compact 做自适应压实，dashboard 是省 Token 看板，health 是五维体检。一个关键设计是落盘前自动建快照，随时可以回滚。也就是说，写入不是单向的，出错能退回去。
安全加固¶
针对落盘风险做了几层防护。写入型命令补了交互确认门，避免误写；用 SHA256SUMS 完整性清单，配合 backup、snapshot 的 –verify 校验文件是否被改动；harden 做权限收敛，目录收 0700、文件收 0600；ZIP 穿越和单文件超限会被拒绝落盘，防止异常内容写进记忆目录。
选择器可见性¶
记忆能不能被选中，取决于选择器。selector-audit 检查候选池就绪度，describe 补 front-matter description。这两块解决的是「明明写了记忆却没被选中」的问题，让记忆的可见性可查、可补。
按任务相关性加载¶
加载不是全量读入，而是按相关性筛选。–query、–tags、–top-k 三个参数控制加载范围，相关度用零依赖的 CJK bigram 加关键词、标签匹配，并带 90 天时效衰减，旧的记忆权重自动下降。计量上用 tiktoken 做真实分词，而不是粗略估算字符数。超预算时自动压实，throttle 可以一键压低预算，预算状态用三色告警提示。所有命令都支持 –json 输出，方便程序化处理；self-test 是内置自检。
性能与 UX¶
性能上做了摘要并行、rank 缓存、读取短路，减少重复计算和重复读取。交互上提供 33 条短别名，常用操作不用敲全命令。所有 Token 数字都标注「估算」，提示这是分词器口径的近似值。
安装与启用¶
记忆管家通过 SkillHub 分发，官方地址：
https://api.skillhub.cn/indiv-aakook/memory-manager-v2
SkillHub 页面：
https://www.skillhub.cn/skills/indiv-aakook/memory-manager-v2
坐标 @indiv-aakook/memory-manager-v2，requires_api_key=false，不需要配置 API key。本次核实时官方页面无法访问，未拿到逐字的安装命令，也不确认 Cursor、Codex CLI、Claude Code 之间是否有安装差异，因此这里不写具体 install 命令，避免给出无法核对的步骤。拿到 Skill 包后按其 SKILL.md 的说明放置到目标工具的 skill 目录即可，记忆数据落在 .workbuddy/memory/。
典型用法¶
记忆管家的能力集中在记忆目录的治理上，下面按常见目标给几条路径。
想先看记忆目录整体消耗和结构，用 dashboard 打开省 Token 看板，或用 health 跑一次五维体检，了解当前记忆的健康度。
想确认某次写入是否安全、出问题能否回退，写入型操作前系统会自动建快照，用 snapshot 可以回滚到快照点，配合 backup、snapshot –verify 校验完整性。
想让加载更省 Token，用 –query 指定任务、–tags 指定标签、–top-k 限制加载条数，相关记忆按相关度和时效筛选后读入；预算超了用 throttle 压一下，或让 compact 自动压实。
想排查「记忆没被选中」的原因，用 selector-audit 看候选池就绪度，用 describe 补 front-matter description。
适用场景与注意¶
适合需要长期维护记忆、对 Token 消耗敏感、或跨设备延续上下文的 AI Agent 工作流。它的触发词覆盖记忆、Token、缓存、Prompt 模板、备份、回滚、压实、权限、完整性校验等场景。
不适合通用文件操作、代码分析、系统清理、文档编辑这类任务，这些是记忆管家明确不覆盖的范围。
需要注意的几点：Token 数字是 tiktoken 口径的估算值，不是精确计费；相关度筛选依赖 CJK bigram 和标签，对完全无关键词匹配的记忆可能召回有限；安装命令和各工具差异本次未能核实，接入前建议以官方 SKILL.md 为准。
结尾¶
记忆管家把「记忆」当成需要治理的资产来管理：写入有审计、出错能回滚、加载按相关性、Token 可看可控。如果你的工作流里 AI 需要长期记住东西、又想控制上下文开销，可以从上面的官方地址了解。
