AI 记不住你是谁？这个开源方案让对话真正有了”记忆”

AI 记不住你是谁？这个开源方案让对话真正有了”记忆”

用 AI 产品时最崩溃的瞬间是什么？很多人会说——”刚说完的需求，下次再问它完全不记得。”

这不是 AI 的 bug，是记忆系统没做好。

今天介绍一个开源 Skill Conversation Memory，来自 davila7，专门给 AI 对话系统搭了一层持久化记忆架构。

核心设计：三层记忆体系

这个 Skill 没有把所有东西都往 context 里塞，而是把记忆分成三个层级：

短时记忆（Short-term） — 当前对话窗口内的上下文，AI 直接用，不用检索。

长期记忆（Long-term） — 跨会话积累的信息，比如你的项目背景、常用技术栈、偏好设置。下次对话时 AI 能主动想起来。

实体记忆（Entity） — 关于具体实体（项目、工具、人）的 Facts，比如”这个项目用 Next.js 14″”这个用户喜欢简洁风格”，比散落的聊天记录更结构化。

关键设计原则

作者总结了三个反模式，特别值得注意：

❌ 记住所有事 — 有人觉得记忆越全越好，但实际上记住所有对话会让 context 爆炸，AI 反而被淹没。

❌ 没有记忆检索 — 存了但找不到，等于没存。这个 Skill 强调 intelligent retrieval，只召回跟当前对话真正相关的记忆。

❌ 单层记忆存储 — 不用分层设计的记忆系统，长期必然混乱。

跟哪些 Skill 配合用？

官方说配合这些效果更好：
– context-window-management — 既然有了记忆分层，配合上下文窗口管理，context 更可控
– prompt-caching — 减少重复加载记忆的 Token 消耗
– rag-implementation — 想做更深度知识检索的话可以叠加

安装方式

npx skills add https://github.com/davila7/claude-code-templates --skill conversation-memory

这个 Skill 的价值在于：把”记忆”从玄学变成工程问题——分层存储+智能检索+生命周期管理，适合在生产环境里搭 AI 应用或者做 Agent 系统的开发者。

GitHub：https://github.com/davila7/claude-code-templates

GitHub: https://github.com/davila7/claude-code-templates