Token导航 LogoToken导航

Agent Skill · 开发

mem-record(内存记录)

mem-record 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

mem-record 是开发类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证信息还不明确,第三方扫描有未通过项,按安装量在开发类的 21,746 个 Skill 里排第 13,447。

总安装 903周安装 38GitHub Stars 279下载 316核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:mem-record(内存记录)
来源仓库:https://github.com/zephyrwang6/myskill
仓库路径:skills/mem-record
安装命令:
npx skills add https://github.com/zephyrwang6/myskill --skill mem-record
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/zephyrwang6/myskill --skill mem-record

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

mem-record 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息。适合围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库和原始 README 核验具体用法。

安装命令:npx skills add https://github.com/zephyrwang6/myskill --skill mem-record。建议确认权限范围和维护状态,注意是否会触发联网、命令执行或文件读写。

来源仓库内路径:skills/mem-record

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/zephyrwang6/myskill --skill mem-record;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

mem-record 怎么安装?

在终端执行 npx skills add https://github.com/zephyrwang6/myskill --skill mem-record。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

mem-record 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

mem-record 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

mem-record 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

mem-record 用的人多吗?

公开数据是累计安装 903 次,近一周安装 38 次,下载 316 次,GitHub 279 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

mem-record 安全吗?

第三方扫描有未通过项,风险较高。除非你确认过源码,否则不建议直接安装到常用环境。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
mem-record

内存记录 · 本页

903279权限未标注未明确未通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

AI记忆记录

快速开始

当用户说"记录到记忆系统"或类似表达时,执行以下流程:

  1. 提炼关键信息 - 从当前会话中提取事件、决策、偏好、情绪
  2. 确定记录层级 - 根据内容类型判断应该记录到哪一层
  3. 检测重复模式 - 检查是否为重复出现的模式(3次+)
  4. 更新文件 - 更新相应的记忆文件
  5. 建议提炼 - 如果检测到重复模式,建议提炼到更高层级

工作流程

第一步:提炼关键信息

从当前会话中提取:

  • 事件:发生了什么?何时发生的?
  • 决策:做了什么决定?考虑因素是什么?
  • 偏好:表达了什么喜好或厌恶?
  • 情绪:有什么情绪反应?
  • 后续行动:提到了什么接下来的行动?

第二步:确定记录层级

根据内容类型判断层级:

L1_情境层(日常记录):

  • 日常事件、对话
  • 重要决策、任务完成
  • 情绪表达

L2_行为层(习惯与偏好):

  • 出现3次+的偏好表达
  • 习惯性行为模式
  • 工具使用偏好

L3_认知层(思维模式):

  • 多个行为指向同一原则
  • 决策框架
  • 思考模型

L4_核心层(⚠️ 只能手动修改):

  • 价值观表达
  • 人生信念
  • 身份认同

详细的判断规则见 protocol.md

第三步:检测重复模式

使用Grep搜索关键词:

Grep "关键词" AI_MEMORY/L1_情境层/

统计出现次数,如果 >= 3次,建议提炼到L2行为层。

示例:

用户说:"我喜欢用图表而不是大段文字"

执行:Grep "图表" AI_MEMORY/L1_情境层/
结果:发现这是第3次出现
操作:建议记录到 L2_行为层/工作习惯.md

第四步:更新文件

更新L1_情境层
  1. 读取当前月份文件(如 AI_MEMORY/L1_情境层/2025-12.md)
  2. 在"按日期记录"部分添加新条目

格式:

### {日期}(周X)

#### {事件类型}
- **内容**:{提取的内容}
- **情绪**:{情绪(如有)}
- **后续行动**:{行动(如有)}
- **标签**:`#{标签1} #{标签2}`
更新L2行为层

如果检测到重复模式(3次+),更新相应的L2文件:

  1. 检查是否存在相关文件(如 L2_行为层/工作习惯.md)
  2. 如果不存在,创建新文件
  3. 添加或更新该行为模式

第五步:建议提炼

向用户展示:

✅ 已记录到 L1_情境层/2025-12.md

💡 检测到这是第{N}次出现"{偏好/行为}",
   是否记录到 L2_行为层/{相关文件}.md?

如果涉及L4核心层(价值观):

⚠️ 这次对话涉及核心价值观,
   建议手动更新 L4_核心层/核心价值观.md

   要不要我生成建议内容供你审核?

L4核心层保护原则

L4_核心层只能由用户手动修改

Claude可以:

  • ✅ 建议更新
  • ✅ 生成建议内容
  • ✅ 展示当前内容

Claude绝对不能:

  • ❌ 直接写入L4文件
  • ❌ 自动推断价值观

文件结构

完整的文件结构见 structure.md

重要路径:

  • L1情境层:AI_MEMORY/L1_情境层/{年}-{月}.md
  • L2行为层:AI_MEMORY/L2_行为层/
  • L3认知层:AI_MEMORY/L3_认知层/
  • L4核心层:AI_MEMORY/L4_核心层/(⚠️ 只读)

辅助脚本

使用 scripts/update_memory.py 可以:

  • 获取当前月份文件路径
  • 格式化L1条目
  • 生成模式检查提示

示例

示例1:记录决策

用户:"今天我决定采用Claude Code方案来搭建AI记忆系统,
     因为它不需要向量数据库,基于现有工具"

执行:
1. 提炼:决策(采用Claude Code)、考虑因素(无需向量DB)、情绪(未表达)
2. 判断:这是重要决策,记录到L1
3. 检查:首次提到此决策
4. 更新:L1_情境层/2025-12.md
5. 输出:✅ 已记录到L1情境层

示例2:记录偏好(检测到重复模式)

用户:"我更喜欢用图表而不是大段文字来解释概念"

执行:
1. 提炼:偏好(图表 > 文字)
2. 判断:偏好表达
3. 检查:Grep "图表" L1_情境层/
4. 结果:发现这是第3次出现
5. 输出:✅ 已记录到L1
         💡 这是第3次提到"图表偏好",是否记录到L2?

示例3:涉及价值观

用户:"对我来说,成长比赚钱更重要"

执行:
1. 提炼:价值观(成长优先)
2. 判断:涉及L4核心层
3. 输出:⚠️ 这涉及核心价值观
         建议手动更新 L4_核心层/核心价值观.md
         要不要我生成建议内容?

常见问题

Q:如何判断应该记录到哪一层?

A:参考 protocol.md 的判断规则。

Q:如何检测重复模式?

A:使用Grep搜索关键词,统计出现次数。

Q:L4核心层可以自动更新吗?

A:不可以。L4核心层只能由用户手动修改,Claude只能建议。

平台分布

Codex

34.31%
按下载量换算108

Claude

30.79%
按下载量换算97

Cursor

16.88%
按下载量换算53

Gemini CLI

9.75%
按下载量换算31

安全审计

Gen Agent Trust Hub

未通过

Socket

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills