2 jiawood2006

memory-manager Skill

Agent记忆健康管理(Memory Manager)。用户说'记忆太乱''整理记忆''检查记忆''记忆清理'时使用。扫描 Hermes 记忆文件(MEMORY.md/USER.md),统计 token 占用、找过期/冗余/超长条目、体检会话库(state.db 体积与索引占比)、并从会话历史挖掘用户纠正与长期要求(提示哪些还没进记忆)。Memory health check for AI agents: token cost per turn, stale/redundant entries, session-DB size diagnosis, and correction mining from chat history.

安装方式:把技能目录放入 ~/.claude/skills/(Claude Code)或在 claude.ai 设置中启用;也可复制右侧安装命令一键添加。

查看源码

技能指令原文(SKILL.md)

Memory Manager 记忆健康管理

Agent 的记忆会注入每个会话的 system prompt——太大 = 每轮浪费 token、挤占上下文、还可能存过期信息误导判断。本技能定期检查记忆健康,保持记忆精简有效。

📁 安装:hermes skills install jiawood2006/hermes-skills/skills/memory-manager 或按 README 方式二复制 → 默认在 ~/.hermes/skills/utilities/memory-manager/。

触发条件

  • "检查记忆""记忆清理""整理记忆"
  • 发现 Agent 回答变慢 / 上下文被挤占
  • 定期记忆健康检查(建议每月一次)

使用步骤

1. 记忆健康检查

python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py
python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --full   # 完整报告(逐条分析)

输出:

  • 每条记忆文件的 token 占用/条目数
  • 超长条目(>800 字,建议精简)
  • 含 30 天前日期的条目(可能是过期信息)
  • state.db 体积(>500MB 建议清理,见第 2 节)
  • 每轮记忆注入总 tokens(建议 <2000)

2. 会话库体检(--state-db)

不只是报体积——会拆到表级告诉你是"正文大"还是"索引大",给出对症方案:

python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --state-db

实测样例(1.2GB 的库):

🗄️ state.db(会话历史): 1.2GB
   页: 316858×4096B | 空闲页: 2770 | 可直接回收: 约 10.8MB
   体积占比 Top 表:
       478.1MB  messages_fts_trigram_data
       331.8MB  messages
       162.7MB  messages_fts_trigram_content
       162.7MB  messages_fts_content
   ⚠️ 其中 FTS 全文索引占 872.6MB(71%)——索引比正文还大,先处理索引,别急着删会话
  • 索引占大头(常见)→ 先 rebuild 索引 / 去掉 trigram,再 VACUUM,不用删历史
  • 正文占大头 → 才清理旧会话
  • 无 dbstat 支持时自动降级(只报体积与行数),不会报错

3. 从纠正中学习(--corrections)

重复两次的纠正 = 该进记忆的长期偏好。 扫描会话历史,把用户的纠正/长期要求挖出来,并标记哪些疑似还没进记忆:

python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --corrections
python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --corrections --corrections-days 90
python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --corrections --full   # 看全部候选

输出示例:

   候选 30 条,其中 **30 条疑似未进记忆**
   [未记录  ] 2026-09-06 (否定/纠错/禁止类/长期规则) 这个工作以后必须在类似工作中你来主动开展,不要让我提醒…
   [已在记忆] 2026-08-24 (禁止类) 公开仓库 demo 图禁止品牌产品图…

识别 7 类信号:否定/纠错、重复强调、显式要求记住、禁止类、长期规则、强约束、不满追问。

⚠️ 这是候选清单,不是自动写入——必须人工判断:属于长期偏好/规则的写进记忆;一次性的任务要求不要写(那是任务,不是偏好)。"未记录"是关键词粗判,措辞不同但意思已记的情况会误报,以人工判断为准。

4. 记忆分层原则(什么时候该存/不该存)

| 该存(事实/偏好) | 不该存(过程/临时) |
|:---|:---|
| 用户偏好、纠正、习惯 | 任务进度、完成日志 |
| 环境事实(路径/凭证位置) | PR 号、commit sha、临时状态 |
| 工具怪癖、踩坑教训 | 会话细节(用 session_search 回忆)|
| 稳定的约定/规范 | 可复用流程(应存为 skill)|

5. 压缩技巧

  • 过期信息:日期类("当前余额")→ 删除或改为历史
  • 超长条目:压缩成要点(保留关键事实,去掉过程描述)
  • 合并:同主题多条 → 合并成一条
  • 迁移:方法论 → skill;会话细节 → session_search

已知陷阱

  • 记忆工具限流:写前先删/合并(memory 工具按最终字符数检查,批量操作一次完成)
  • 凭证纪律:token/密码/API key 一律不落记忆明文
  • 记忆 vs skill:流程类知识存 skill(按需加载),事实类存记忆(每轮注入)——放错地方都浪费

快速验证 / Smoke Test

# 1) 记忆健康 + 会话库体检(无 LLM key 也可跑)
python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --state-db
# 期望:token 统计 + 冗余建议 + state.db 表级体积与对症方案

# 2) 纠正挖掘(需要 ~/.hermes/state.db 有历史)
python3 ~/.hermes/skills/utilities/memory-manager/scripts/memcheck.py --corrections --corrections-days 7
# 期望:列出候选纠正/长期要求,并标 [未记录] / [已在记忆]

配合站内内容