无限分类存储，记忆永不丢失

为AI代理提供无限分类存储的并行记忆系统，与内置记忆互补而非替代，支持用户自定义结构、即时写入和层级索引导航。

基本信息

• 技能名称?Memory
• 中文名称?无限分类存储，记忆永不丢失
• 作者?ivangdavila
• 分类?专业技能
• 版本?1.0.2
• 标签?memory, knowledge-management, local-first, organization, data-storage, indexing, personal-knowledge-base

使用方法

使用说明
核心用法
Memory Skill 是一种 补充性记忆架构 ，专为超越代理基础内置记忆的复杂长期存储需求设计。核心机制在于建立完全独立的 ~/memory/ 目录结构，与代理自动维护的 MEMORY.md 和 memory/ 文件夹并行运行。
初始化流程 至关重要：首次使用时需读取 setup.md ，与用户共同决策三类问题——所需分类（如 projects/people/decisions/knowledge/collections）、是否从内置记忆单向同步特定内容、以及信息检索偏好。
数据架构 采用三层索引系统：根目录 INDEX.md 列出所有分类，各分类 INDEX.md 维护条目表格（名称/状态/更新时间/文件路径），具体条目以独立 Markdown 文件存储。当单索引超过100条目时强制分裂为子分类，确保查询效率。
写入协议 要求即时性：用户分享关键信息时，必须立即写入对应文件并更新索引，禁止批量延迟操作。 检索协议 遵循"询问→搜索→导航"三步：先确认信息位于何处，再通过 grep 或语义搜索定位，最终通过层级索引精确提取。
显著优点

1. 架构清晰分离 ：明确区分"内置记忆用于快速上下文，本系统用于深度与规模"，避免两类记忆冲突或重复
2. 无限可扩展性 ：通过分类分裂机制，理论上支持无限条目存储而不降级性能
3. 用户主导结构 ：拒绝预设模板，完全根据用户实际存储需求动态创建分类
4. 纯本地隐私 ：所有数据驻留用户机器，零外部服务依赖，零网络传输
5. 版本化条目管理 ：以独立 Markdown 文件存储条目，天然支持 Git 追踪和版本回溯
   潜在局限
6. 维护 overhead ：需用户或代理定期执行周/月度维护（更新索引、归档旧内容、分裂大分类），否则性能劣化
7. 检索学习曲线 ：小规模（
8. 无内置同步机制 ：与内置记忆的同步为手动可选流程，需明确配置，存在双系统信息不一致风险
9. Markdown 格式限制 ：结构化数据（如数值计算、复杂关系）的表达力弱于数据库方案
10. 单用户设计 ：未考虑多用户协作或权限分离场景
    适合人群
    需要追踪 10个以上并行项目 的复杂项目管理者
    维护 百人级联系人网络 并需记录互动历史的商务人士
    积累 领域知识库 的研究者或终身学习者
    需 决策审计追踪 的谨慎决策者
    对 数据本地化和隐私 有硬性要求的用户
    常规风险
    索引失效风险 ：若 INDEX.md 未及时更新，将导致"文件存在但无法发现"的静默失败
    分类膨胀风险 ：用户可能创建过多细分类别，反而降低检索效率
    同步误配置风险 ：双向修改内置记忆将破坏代理基础功能，系统明确禁止此操作
    存储位置混淆风险 ：代理可能错误地将内容写入内置记忆而非 ~/memory/，造成预期外的数据分割
    无加密存储 ：本地文件以明文 Markdown 存储，设备物理访问即等于数据泄露