Przejdź do treści
Biblioteka skilli
AI i agenci · Integracja z narzędziem

memory-navigation

/memory-navigation

Wskazuje, z którego z trzech wejść systemu pamięci sięgnąć (search_evidence, graph_resolve, list_recent), i ustawia parametry ograniczające szum przed wywołaniem narzędzia MCP.

Repozytorium
clowder-ai ↗
Licencja
MIT
Ostatnia zmiana repozytorium
27.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 27.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wskazuje, z którego z trzech wejść systemu pamięci sięgnąć (search_evidence, graph_resolve, list_recent), i ustawia parametry ograniczające szum przed wywołaniem narzędzia MCP.

Wyzwalacze z opisu

我记得最近讨论过 X
Oryginalny opis (EN)

记忆系统三入口路由(search_evidence / graph_resolve / list_recent)决策树 + 噪音控制 + 加载时机。F188 Phase F (AC-F6) 配套 skill。 Use when: 没先验、压缩后回顾、"我记得最近讨论过 X"、search_evidence 反复 low-hit。 Not for: 已有消息坐标或文件路径时直接读原文;代码符号查 Grep/LSP。 Output: 选定入口 + 噪音控制参数 + 进入对应 MCP 工具。

Jak działa

  1. When to load
  2. 三入口决策树
  3. 噪音控制
  4. 7-tool family 互相 cross-reference
  5. 关键纪律
  6. 隐私边界(KD-8)
  7. 链入下一 skill
  8. 相关
Sekcje z nagłówków SKILL.md, w oryginale · 113 linii, 392 słów
Podgląd SKILL.md
---
name: memory-navigation
tips_exempt: "Renewed 2026-10-20: internal agent source routing, current-Task authority checks and original-owner experience placement; no new end-user Hub control or action."
description: >
  记忆系统三入口路由(search_evidence / graph_resolve / list_recent)决策树 + 噪音控制 + 加载时机。F188 Phase F (AC-F6) 配套 skill。
  Use when: 没先验、压缩后回顾、"我记得最近讨论过 X"、search_evidence 反复 low-hit。
  Not for: 已有消息坐标或文件路径时直接读原文;代码符号查 Grep/LSP。
  Output: 选定入口 + 噪音控制参数 + 进入对应 MCP 工具。
triggers:
  - "没先验"
  - "压缩后"
  - "我记得讨论过"
  - "最近讨论"
  - "找不到 anchor"
  - "cold start"
  - "扫一眼最近"
  - "memory navigation"
not_for:
  - "已有精确 anchor"
  - "代码符号查找"
output: "Entry choice + noise control params + downstream tool call"
---

# memory-navigation

> 记忆系统三入口路由决策 + 噪音控制 + 加载时机。F188 Phase F (AC-F6) 配套 skill。
>
> 单一真相源:`../.cat-cafe-shared-refs/memory-routing-partial.md`

## When to load

按 cold-start 关键词 + 检索 fallback 信号加载:

- 接到任务感觉"没先验"——不知道找什么 keyword
- 压缩后需要重建上下文(hook 触发"compact"事件)
- "我记得最近讨论过 X" / "好像之前提过" / "最近发生了什么"
- `search_evidence` 多次 low_hit 或 no_match 后
- 处理新 thread 的 cold-start,需要快速建立上下文

Not for:
- 已经有精确 anchor 想直接 Read 源文件 → 直接 Read
- 代码符号查找 → `Grep` / LSP
- 全文匹配 → `Grep`

## 三入口决策树

先识别坐标的类型:`threadId#messageId` 或裸消息 ID 直接走
`cat_cafe_get_message(messageId="裸消息ID", mode="full")`,不要把 thread 前缀传进 messageId;
文件 sourcePath 走 `cat_cafe_read_file_slice`。消息坐标、文件路径都不是知识图谱节点,
不要在已有原文坐标时重新搜索来代替回源。下面的精确 anchor 指 F 编号、ADR 等知识节点。

```
开工 / 接到任务 / 压缩恢复
  ↓
我知道精确 anchor (F186/ADR-019 等)?
  ├─ 是 → graph_resolve(anchor, depth=1)
  │        看 anchor 周边的引用、wikilink、F-ref 关系
  │
  └─ 否 ↓

我大概知道找什么、有概念关键词?
  ├─ 是 → search_evidence(query, mode="hybrid")
  │        语义召回;low-hit 时会自动 nudge 你试其他入口(KD-7)
  │
  └─ 否 ↓

我只是想"扫一眼最近发生什么"?
  ├─ 是 → list_recent(scope="all", since="7d")
  │        不带 query,按时间倒序看最近活动
  │
  └─ 否 → 用 cross-cat-handoff 找人问,或问operator澄清需求
```

## 噪音控制

`graph_resolve` 边爆炸防护:

- `depth`: 默认 1,上限 3。深度 ≥2 时 fan-out 容易上百
- `relations`: filter 子集
  - 只看强关系:`["wikilink", "doc_link"]`
  - 只看 F-编号引用:`["feature_ref"]`
  - 只看 frontmatter related: `["related_to"]`
- 候选列表 ≥5 项时:先选高 confidence anchor 看一跳,再决定深挖

`list_recent` 时间窗口选择:

- 压缩恢复 / "最近发生什么":`since="24h"` 或 `"7d"`
- 周回顾 / 找一周前的讨论:`since="7d"`
- 找最近 PR / merge:`scope="docs"` + `since="3d"`
- 完全没头绪:`scope="all"` + `since="7d"` + `limit=20`

`search_evidence` mode 速查(详见 CLAUDE.md 「检索策略」段):
- 精确 ID → `lexical`
- 日常用 → `hybrid`
- 跨语言 → `semantic`

## 7-tool family 互相 cross-reference

每个工具的 description 互相指向(4.6 review #3 缓解工具数量膨胀):

1. `search_evidence` — semantic / fuzzy find
2. `graph_resolve` — precise anchor / relations
3. `list_recent` — zero-prior / scan recent
4. `list_session_chain` — 看完整对话链
5. `read_session_digest` — 看会话摘要
6. `read_session_events` — 看会话事件
7. `read_invocation_detail` — 看单次 invocation 全事件

## 关键纪律

- 高分候选只表明相关,不等于本题所需的当前依据。未定位到实际适用的记录时,改写查询或用
  `list_recent(scope="docs")` / 实际目录继续发现;核实可达范围后仍缺材料,再明确缺口。
- **`search_evidence` 不是默认万能**——历史 hook 只提它是 one-trick legacy。三入口按场景选才是 Phase F 设计。
- **看到 search_evidence payload 的 🧭 Memory navigation nudge**——这是低命中信号,立刻试 graph 或 recent,不要继续盲搜。
- **猫的认知成本**来自"工具间互相找"而非"工具总数",cross-reference 直接解决。
- **没有 anchor 就走 recent**——比反复构造关键词 prompt search 高效。

## 隐私边界(KD-8)

`graph_resolve` 和 `list_recent` 的 MCP schema 不接受 `callerCollections` / `collections` 参数。v1 只看 public/internal collections。需要 private/restricted 调 HTTP API 直接走 server-side ACL。

## 链入下一 skill

- 找到 anchor 后想看历史讨论 → `cat_cafe_get_thread_context`
- 找到 thread 后想看 invocation 详情 → `cat_cafe_read_invocation_detail`
- 找到决策后想立项 → `feat-lifecycle`
- 找到 bug 线索 → `debugging`

## 相关

- **Spec**: `docs/features/F188-library-stewardship.md` Phase F
- **Plan**: *(internal reference removed)*
- **Partial**: `../.cat-cafe-shared-refs/memory-routing-partial.md`
- **Related skills**: `feat-lifecycle` / `debugging` / `cross-cat-handoff`

Wersje

W bazie nie ma innych skilli o nazwie memory-navigation.

Migawka bazy z 13.11.2026 · wersja paczki e681ea14b1ea (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 90memory-search-best-practices
    Dobiera zakres przeszukiwania pamięci do pytania i luk w dowodach, np. źródeł tematu, braku wzmianki lub zmian od ostatniego razu.
  • 95memmachine
    Obsługuje serwer pamięci długoterminowej MemMachine dla agentów: klientów Python i TypeScript, API pamięci, wdrożenie i narzędzia MCP.
  • 100mcp-server-memory
    Instaluje serwer MCP pamięci trwałej, czyli grafu wiedzy z encjami i relacjami, oraz obsługuje jego narzędzia.
  • 90memory
    Zapisuje decyzje projektowe i przeszukuje ich historię przez serwer MCP alfred-memory, zamiast odtwarzać przeszłość z pamięci.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.