Context Memory Manager

Agent 上下文感知记忆管理：自动保存完整对话 → 提炼结构化记忆 → 防止遗忘。

架构设计

┌─────────────────────────────────────────────────────┐
│  Compress（每次被唤醒时 — 核心机制）                    │
│  session_status → 检查上下文使用率                      │
│  → 超 70%：保存完整上下文 → 提炼记忆 → 更新 MEMORY.md    │
├─────────────────────────────────────────────────────┤
│  Review（每天凌晨 3 点 — cron 触发）                    │
│  增量扫描 memory 文件 → 输出 JSON 报告                  │
│  → Agent 被唤醒时检查报告 → 提炼/合并 → 更新 MEMORY.md  │
└─────────────────────────────────────────────────────┘

核心原则：上下文检测只有 Agent 自己能做（session_status）， cron 脚本仅辅助磁盘文件扫描和复盘报告产出。

记忆分类

| 类型 | 路径 | 定位 | |------|------|------| | 聊天日志 | memory/chat/YYYY-MM-DD.md | 完整对话原始记录 | | 项目日志 | memory/projects/<项目名>/YYYY-MM-DD.md | 结构化沉淀 | | 核心记忆 | MEMORY.md | 全局索引 + 用户偏好 + 待办 | | 归档文件 | memory/archive/ | 超过 30 天的旧日志 |

数据流向：

会话 → session_status 检测 → 超阈值
  ↓
① 保存完整上下文 → memory/chat/YYYY-MM-DD.md（原始对话，不裁剪）
  ↓
② 从对话提炼 → memory/projects/<项目名>/（结构化项目记忆）
  ↓
③ 更新 MEMORY.md（全局索引、用户偏好、待办事项）
  ↓
cron 每日扫描 → 增量对比 → 复盘提炼 → 合并冗余

⚡ 首次安装引导（必须执行）

当用户安装此 skill 后首次触发时，按以下流程操作：

Step 1：检查现有状态

ls -d <workspace>/memory/chat 2>/dev/null && echo "OK" || echo "MISSING"
ls -d <workspace>/memory/projects 2>/dev/null && echo "OK" || echo "MISSING"
test -f <workspace>/MEMORY.md && echo "OK" || echo "MISSING"

Step 2：提示用户

📦 context-memory-manager 已安装！需要初始化以下配置：
- [ ] memory/chat/ 目录（聊天日志）
- [ ] memory/projects/ 目录（项目日志）
- [ ] MEMORY.md 核心记忆文件
- [ ] crontab 每日复盘任务（每天凌晨 3 点）

是否一键初始化？

Step 3：执行初始化

创建目录：mkdir -p <workspace>/memory/{chat,projects}
创建 MEMORY.md（如不存在）
写入 .last_review：date -Iseconds > <workspace>/.last_review

设置 crontab（追加模式，不覆盖已有内容）：

0 3 * * * python3 <skill_dir>/scripts/daily_review.py --workspace <workspace> --days 7 --update-timestamp --archive-days 30 > /tmp/cmm_review.log 2>&1

Step 4：确认完成

输出初始化报告，告知用户下次被唤醒时自动开始监控上下文。

工作流程

1. 上下文压缩（每次被唤醒时自动触发）

Step 1：检查上下文使用率

调用 session_status 获取当前 session 的 token 使用量

Step 2：判断是否需要压缩

| 使用率 | 动作 | |--------|------| | < 70% | 无需操作 | | ≥ 70% | 执行压缩流程 | | ≥ 85% | 紧急压缩（优先处理） |

Step 3：保存完整上下文（必须第一步）

调用 sessions_history(sessionKey, limit=尽可能大) 获取完整对话历史，将原始对话保存为 memory/chat/YYYY-MM-DD.md。 不要裁剪对话内容，保留完整记录。

Step 4：提炼记忆

从保存的完整对话中提炼：

项目进展：做了什么、改了哪些文件、遇到什么问题
用户偏好：新的偏好、习惯、决策
待办事项：新增/完成的待办
关键决策：技术方案选择、方向调整

写入：

memory/projects/<项目名>/YYYY-MM-DD.md（项目记忆）
MEMORY.md（全局更新）

Step 5：输出摘要

告知用户本次压缩保存了多少行对话、提炼了多少条记忆。

2. 每日记忆复盘（cron 每天凌晨 3 点）

cron 脚本产出报告：

python3 scripts/daily_review.py --workspace <workspace> \
    --days 7 --update-timestamp --archive-days 30

脚本输出 JSON 报告并写入 /tmp/cmm_review_report.json，包含：

新增/变更的文件列表（增量扫描）
token 估算
agent 执行指令

Agent 被唤醒时处理报告：

检查 /tmp/cmm_review_report.json 是否存在
如存在 → 按报告中的 agent_instructions 执行
处理完后删除该文件，避免重复处理

3. 自动归档

超过 30 天的聊天日志（memory/chat/）自动移动到 memory/archive/。归档不删除文件，需要时仍可查阅。

⚡ Agent 被唤醒时的自动检查

每次被用户消息唤醒时，按以下顺序执行：

session_status 检查：调用 session_status 获取上下文使用率
- ≥ 70% → 执行完整压缩流程（保存 → 提炼 → 更新 MEMORY.md）
复盘报告检查：检查 /tmp/cmm_review_report.json
- 存在 → 读取报告，执行复盘提炼
- 处理完后删除文件
如果两者都不需要 → 正常响应用户请求

注意事项

压缩时必须先保存完整对话，再提炼，不允许直接裁剪丢弃
聊天日志保留原始对话轨迹，不精简
项目日志按项目分目录，结构化沉淀
.last_review 文件记录复盘时间戳，用于增量扫描
首次复盘无 .last_review 文件时，全量扫描
Token 估算为粗略值（字节数 / 2.5），实际因模型而异