- name
- context-memory-manager
- description
- >
Context Memory Manager
Agent 上下文感知记忆管理：自动保存完整对话 → 提炼结构化记忆 → 防止遗忘。
架构设计
┌─────────────────────────────────────────────────────┐
│ Compress（每次被唤醒时 — 核心机制） │
│ session_status → 检查上下文使用率 │
│ → 超 70%：保存完整上下文 → 提炼记忆 → 更新 MEMORY.md │
├─────────────────────────────────────────────────────┤
│ Review（每天凌晨 3 点 — cron 触发） │
│ 增量扫描 memory 文件 → 输出 JSON 报告 │
│ → Agent 被唤醒时检查报告 → 提炼/合并 → 更新 MEMORY.md │
└─────────────────────────────────────────────────────┘核心原则：上下文检测只有 Agent 自己能做（session_status）， cron 脚本仅辅助磁盘文件扫描和复盘报告产出。记忆分类
| 类型 | 路径 | 定位 |
|---|---|---|
| 聊天日志 | memory/chat/YYYY-MM-DD.md | 完整对话原始记录 |
| 项目日志 | memory/projects/<项目名>/YYYY-MM-DD.md | 结构化沉淀 |
| 核心记忆 | MEMORY.md | 全局索引 + 用户偏好 + 待办 |
| 归档文件 | memory/archive/ | 超过 30 天的旧日志 |
数据流向：
会话 → session_status 检测 → 超阈值
↓
① 保存完整上下文 → memory/chat/YYYY-MM-DD.md（原始对话，不裁剪）
↓
② 从对话提炼 → memory/projects/<项目名>/（结构化项目记忆）
↓
③ 更新 MEMORY.md（全局索引、用户偏好、待办事项）
↓
cron 每日扫描 → 增量对比 → 复盘提炼 → 合并冗余⚡ 首次安装引导（必须执行）
当用户安装此 skill 后首次触发时，按以下流程操作：
Step 1：检查现有状态
ls -d <workspace>/memory/chat 2>/dev/null && echo "OK" || echo "MISSING"
ls -d <workspace>/memory/projects 2>/dev/null && echo "OK" || echo "MISSING"
test -f <workspace>/MEMORY.md && echo "OK" || echo "MISSING"Step 2：提示用户
📦 context-memory-manager 已安装！需要初始化以下配置：
- [ ] memory/chat/ 目录（聊天日志）
- [ ] memory/projects/ 目录（项目日志）
- [ ] MEMORY.md 核心记忆文件
- [ ] crontab 每日复盘任务（每天凌晨 3 点）
是否一键初始化？Step 3：执行初始化
- 创建目录：
mkdir -p <workspace>/memory/{chat,projects} - 创建 MEMORY.md（如不存在）
- 写入 .last_review：
date -Iseconds > <workspace>/.last_review - 设置 crontab（追加模式，不覆盖已有内容）：
0 3 * * * python3 <skill_dir>/scripts/daily_review.py --workspace <workspace> --days 7 --update-timestamp --archive-days 30 > /tmp/cmm_review.log 2>&1Step 4：确认完成
输出初始化报告，告知用户下次被唤醒时自动开始监控上下文。
工作流程
1. 上下文压缩（每次被唤醒时自动触发）
Step 1：检查上下文使用率
调用 session_status 获取当前 session 的 token 使用量Step 2：判断是否需要压缩
| 使用率 | 动作 |
|---|---|
| < 70% | 无需操作 |
| ≥ 70% | 执行压缩流程 |
| ≥ 85% | 紧急压缩（优先处理） |
Step 3：保存完整上下文（必须第一步）
调用 sessions_history(sessionKey, limit=尽可能大) 获取完整对话历史， 将原始对话保存为 memory/chat/YYYY-MM-DD.md。 不要裁剪对话内容，保留完整记录。
Step 4：提炼记忆
从保存的完整对话中提炼：
- 项目进展：做了什么、改了哪些文件、遇到什么问题
- 用户偏好：新的偏好、习惯、决策
- 待办事项：新增/完成的待办
- 关键决策：技术方案选择、方向调整
写入：
memory/projects/<项目名>/YYYY-MM-DD.md（项目记忆）MEMORY.md（全局更新）
Step 5：输出摘要
告知用户本次压缩保存了多少行对话、提炼了多少条记忆。
2. 每日记忆复盘（cron 每天凌晨 3 点）
cron 脚本产出报告：
python3 scripts/daily_review.py --workspace <workspace> \
--days 7 --update-timestamp --archive-days 30脚本输出 JSON 报告并写入 /tmp/cmm_review_report.json，包含：
- 新增/变更的文件列表（增量扫描）
- token 估算
- agent 执行指令
Agent 被唤醒时处理报告：
- 检查
/tmp/cmm_review_report.json是否存在 - 如存在 → 按报告中的
agent_instructions执行 - 处理完后删除该文件，避免重复处理
3. 自动归档
超过 30 天的聊天日志（memory/chat/）自动移动到 memory/archive/。 归档不删除文件，需要时仍可查阅。
⚡ Agent 被唤醒时的自动检查
每次被用户消息唤醒时，按以下顺序执行：
- session_status 检查：调用
session_status获取上下文使用率
- ≥ 70% → 执行完整压缩流程（保存 → 提炼 → 更新 MEMORY.md）
- 复盘报告检查：检查
/tmp/cmm_review_report.json
- 存在 → 读取报告，执行复盘提炼 - 处理完后删除文件
- 如果两者都不需要 → 正常响应用户请求
注意事项
- 压缩时必须先保存完整对话，再提炼，不允许直接裁剪丢弃
- 聊天日志保留原始对话轨迹，不精简
- 项目日志按项目分目录，结构化沉淀
.last_review文件记录复盘时间戳，用于增量扫描- 首次复盘无
.last_review文件时，全量扫描 - Token 估算为粗略值（字节数 / 2.5），实际因模型而异