Memory Optimization Skill

版本: v1.0

创建日期: 2026-03-26

*作�?: 象腿 (main agent)

*用�?: 优化memory管理，自动修剪低价值记忆，提升检索效�?

🎯 核心功能

Memory Optimization skill负责�?1. 记忆评分: 为每条记忆计算相关度分数

1. 自动修剪: 删除/归档低价值记忆（相关�?0.6�?3. 智能检�?: 基于相关度排序的memory检�?4. 容量控制: 控制memory总大小（window: 200�?5. 定期维护*: 定期清理和优化memory

📋 Memory架构回顾

L0�? 完整原始记录

位置: memory/YYYY-MM-DD.md

内容: 完整的对话记录、操作日志、事件详�?

特点:

• 100%保留原始数据
• 用于深度检索和审计
• 文件大小: 10-50KB/�?

---

L1�? 关键点提�?

位置: memory/summaries/YYYY-MM-DD-summary.md

内容: 当日关键点、重要决策、错误记�?

特点:

• 保留70% token（相比L0�?- 提取关键信息，丢弃冗�?- 文件大小: 3-15KB/�?

---

L2�? 结构化知�?

位置: MEMORY.md

内容: 长期有价值的知识、经验、洞�?

特点:

• 保留90% token（相比L0�?- 结构化存储，易于检�?- 文件大小: 20-30KB

L3�? 核心洞察

位置: library/insights/, library/sops/, library/references/

内容: 最核心的洞察、SOP、参考资�?

特点:

• 保留95% token（相比L0�?- 精华中的精华
• 文件大小: 5-10KB/文档

🔄 Memory优化策略

策略1: 相关度评�?

策略2: 自动修剪

策略3: 容量控制

策略4: 智能检�?

🛠�?PowerShell实现

PowerShell相关度计�?

PowerShell记忆修剪

PowerShell智能检�?

📊 性能优化

优化1: 增量评分

优化2: 缓存评分结果

class RelevanceCache:
    def __init__(self):
        self.cache = {}
        self.ttl = 3600  # 缓存1小时

    def get_score(self, memory_id, query):
        cache_key = f"{memory_id}:{query}"
        if cache_key in self.cache:
            cached = self.cache[cache_key]
            if time.time() - cached['timestamp'] < self.ttl:
                return cached['score']

        return None

    def set_score(self, memory_id, query, score):
        cache_key = f"{memory_id}:{query}"
        self.cache[cache_key] = {
            'score': score,
            'timestamp': time.time()
        }

    def clear(self):
        self.cache.clear()

优化3: 批量操作

🎓 使用示例

示例1: 基础修剪

示例2: 智能检�?

示例3: 定期维护

⚙️ 配置文件

memory-optimization-config.json

{
  "version": "1.0",
  "config": {
    "window": 200,
    "prune_threshold": 0.6,
    "enable_auto_prune": true,
    "prune_interval": 604800,
    "enable_smart_retrieve": true,
    "top_k": 10
  },
  "scoring": {
    "keyword_weight": 0.4,
    "time_decay_weight": 0.2,
    "access_frequency_weight": 0.2,
    "tag_match_weight": 0.2
  },
  "time_decay": {
    "no_decay_days": 7,
    "decay_rate_per_day": 0.02,
    "min_score": 0.1
  },
  "archive": {
    "enabled": true,
    "archive_dir": "memory/archive",
    "retention_days": 90
  },
  "optimization": {
    "enable_incremental_scoring": true,
    "enable_score_cache": true,
    "cache_ttl": 3600,
    "batch_size": 50
  }
}

📈 性能指标

关键指标

🚀 未来优化

短期 (1-2�?

• [ ] 实现向量检索（embedding-based�?- [ ] 添加记忆聚类分析
• [ ] 实现自动标签生成

中期 (1个月)

• [ ] 实现跨agent记忆共享
• [ ] 添加记忆图谱可视�?- [ ] 实现记忆推荐系统

长期 (3个月)

• [ ] 引入强化学习优化修剪策略
• [ ] 实现自适应阈值调�?- [ ] 构建记忆价值预测模�?

---

Skill版本: v1.0

最后更�? 2026-03-26

维护�? 象腿 (main agent)