>
最淡的墨水也胜过最好的记忆。 — 中国谚语
复利效应同样适用于知识。 — Agent原则
没有记忆的Agent，每次会话都从零开始。
这项技能赋予Agent一个持久化的大脑——组织有序、可检索、
且不断成长。每个客户、每笔交易、每个决策、每项经验教训
都能在毫秒级内存储和检索。
没有这项技能：
会话1 → Agent了解到客户X偏好邮件而非LinkedIn
会话2 → Agent通过LinkedIn联系客户X → 产生摩擦
会话3 → Agent不知道交易Y已经失败过一次
会话4 → Agent重复同样的错误
拥有这项技能：
会话1 → Agent了解到客户X偏好邮件 → 已存储
会话2 → Agent检索客户X档案 → 使用邮件 → ✅
会话3 → Agent检查交易Y历史 → 发现已失败 → 调整策略
会话4 → Agent基于过往成功经验，避免过往错误
记忆会复利。每次会话都让Agent变得更聪明。
/workspace/memory/
├── index.json ← 所有记忆文件的主索引
├── clients/ ← 每个联系人/潜在客户/客户一个文件
│ ├── [slug].json
│ └── ...
├── projects/ ← 每个活跃或归档项目一个文件
│ ├── [slug].json
│ └── ...
├── trades/ ← 每笔交易或持仓一个文件
│ ├── [slug].json
│ └── ...
└── knowledge/ ← 不断积累的领域知识
├── acquisition.md
├── trading.md
├── content.md
├── market_signals.md
└── product.md
触发条件：
→ 任何客户互动后（邮件回复、LinkedIn消息、通话）
→ 任何交易开仓或平仓后
→ 任何营销活动结果后
→ 任何决策做出后
→ 任何经验教训总结后
→ 从agent-shark-mindset获得新的市场洞察后
命令：
python3 /workspace/memory/scripts/memory_manager.py remember \
--domain clients \
--id jean-dupont \
--data {lastcontact: 2026-03-16, preferredchannel: email}
触发条件：
→ 联系任何潜在客户前（检查是否已在记忆中）
→ 开仓交易前（检查是否尝试过类似交易）
→ 撰写内容前（检查过去什么方法有效）
→ 当负责人问你还记得[X]吗？
→ 任何周报前（提取相关上下文）
命令：
python3 /workspace/memory/scripts/memory_manager.py recall \
--domain clients \
--id jean-dupont
触发条件：
→ 关于[主题]我们知道什么？
→ 我们是否联系过[公司]的某人？
→ 我们在[市场]尝试过哪些交易？
命令：
python3 /workspace/memory/scripts/memory_manager.py search \
--query cold email B2B SaaS
触发条件：
→ 状态变更（潜在客户→客户，线索→合格）
→ 与已知联系人产生新互动
→ 交易平仓（向交易记录添加结果）
→ 项目里程碑达成
命令：
python3 /workspace/memory/scripts/memory_manager.py update \
--domain clients \
--id jean-dupont \
--field status \
--value client
触发条件：
→ 联系人明确要求被删除
→ 交易已归档（平仓超过90天）
→ 项目已完成并归档
命令：
python3 /workspace/memory/scripts/memory_manager.py archive \
--domain clients \
--id jean-dupont
json
{
id: jean-dupont,
slug: jean-dupont,
domain: clients,
created_at: 2026-03-16,
updated_at: 2026-03-16,
status: prospect,
profile: {
name: Jean Dupont,
company: Acme SaaS,
role: CTO,
email: jean@acme.io,
linkedin: linkedin.com/in/jeandupont,
location: Paris, FR,
icp_match: b2b-decision-maker
},
preferences: {
preferred_channel: email,
best_time: Tuesday morning,
language: French,
topicsofinterest: [AI automation, agent systems]
},
interactions: [
{
date: 2026-03-10,
channel: cold_email,
type: outreach,
subject: saw your article on AI agents,
outcome: no_reply
},
{
date: 2026-03-14,
channel: linkedin,
type: connection,
outcome: accepted
}
],
notes: Very active on LinkedIn about AI. Posted about automation costs last week.,
buying_signals: [published AI content, hiring ML engineers],
next_action: LinkedIn message D+2 after connection,
nextactiondate: 2026-03-16,
valuepotentialeur: 500,
tags: [saas, cto, ai-interested, paris]
}
json
{
id: BTC-long-20260316,
slug: btc-long-20260316,
domain: trades,
created_at: 2026-03-16,
updated_at: 2026-03-16,
status: closed,
asset: BTC/USDT,
direction: long,
entry_price: 82500,
exit_price: 85200,
size_usdt: 200,
pnl_usdt: 6.54,
pnl_pct: 3.27,
strategy: momentum_breakout,
timeframe: 4h,
entry_reason: RSI oversold + volume spike + shark-mindset signal,
exit_reason: target reached,
market_context: BTC breaking ATH resistance zone,
lessons: Entry timing was slightly early — wait for candle close confirmation,
tags: [btc, momentum, 4h, win]
}
json
{
id: veritas-newsletter-launch,
slug: veritas-newsletter-launch,
domain: projects,
created_at: 2026-03-01,
updated_at: 2026-03-16,
status: active,
name: Veritas Corporate Newsletter,
objective: Build a 1000-subscriber base generating €2K/month,
phase: 1,
milestones: [
{ name: First 100 subscribers, status: done, date: 2026-03-10 },
{ name: First paid subscriber, status: pending, date: null }
],
decisions: [
{
date: 2026-03-05,
decision: Use Substack over Brevo for initial launch,
reason: Lower friction, built-in discovery,
type: two-way-door
}
],
metrics: {
subscribers: 87,
openratepct: 42,
revenue_eur: 0
},
next_action: Publish weekly edition Thursday,
tags: [newsletter, content, substack]
}
markdown
该技能支持在以下平台通过对话安装：
帮我安装 SkillHub 和 agent-memory-manager-1776374162 技能
设置 SkillHub 为我的优先技能安装源，然后帮我安装 agent-memory-manager-1776374162 技能
skillhub install agent-memory-manager-1776374162
文件大小: 13.24 KB | 发布时间: 2026-4-17 13:56
