Przejdź do treści
Biblioteka skilli
Produktywność osobista · Analiza

remember-me

/remember-me

Przechowuje długoterminowo ważne sprawy użytkownika, takie jak rodzina, zdrowie i praca, w oryginalnym brzmieniu, bez streszczeń.

Licencja
MIT
Ostatnia zmiana repozytorium
27.10.2026

Ocena i bezpieczeństwo

95/ 100Klasa: dobry
Format20 / 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
12
Skrypty
5
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 sprawdzić przed instalacją
  • 5 skryptów w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: bench_scale.py, examples/demo.py, hooks/_selftest.py, hooks/remember_hook.py, run.py

Co robi i kiedy

Przechowuje długoterminowo ważne sprawy użytkownika, takie jak rodzina, zdrowie i praca, w oryginalnym brzmieniu, bez streszczeń.

Oryginalny opis (EN)

长期记忆与关键事件记忆。当用户需要 AI 记住跨会话、跨年的事(家人、身体、工作、感情、承诺),或问「你还记得…」「我以前说过…」「那年发生了什么」时使用。原文全留、不生成摘要、检索零写入。只记人和事,不存密码与凭据。

Jak działa

  1. 什么时候用这个 skill
  2. 设计取舍(每条都能对着源码核)
  3. 三条硬约束
  4. 全自动模式(推荐)
  5. 手动用法(调试或换宿主时)
  6. 工作流(接进任何模型)
  7. 召回只有两种结果
  8. 判定器在做什么
  9. 性能(本机实测,换机器会变)
  10. 已知边界
Sekcje z nagłówków SKILL.md, w oryginale · 160 linii, 440 słów
Podgląd SKILL.md
---
name: remember-me
display_name: Remember me
display_name_en: Remember me
description: 长期记忆与关键事件记忆。当用户需要 AI 记住跨会话、跨年的事(家人、身体、工作、感情、承诺),或问「你还记得…」「我以前说过…」「那年发生了什么」时使用。原文全留、不生成摘要、检索零写入。只记人和事,不存密码与凭据。
description_en: Long-term and life-event memory for AI companions. Keeps every original utterance verbatim, never summarizes, and answers "what happened that year" from a life timeline. For people and events, not for passwords or credentials.
category: productivity
---

# Remember me

把对话原文一字不改地存下来,按时间排成一条轴,让 AI 能回答「那是哪一年」「这件事持续了多久」。
判定和检索全程 0 次模型调用。

> v0.9,个人项目,未经第三方评测。下面提到的效果数字是作者自测,不是 benchmark。

## 什么时候用这个 skill

**该用**:
- 用户问「你还记得…吗」「我以前跟你说过…」「我上次说要去哪」
- 用户问某个人的近况、某件事的来龙去脉、某个决定是什么时候做的
- 长期陪伴场景(伴侣、家人、心理咨询式对话),对话会持续几个月到几年
- 用户提到"我妈/我爸/我奶奶/我对象"这类会反复出现的人
- 需要回答「那阵子发生了什么」「这件事持续了多久」

**不该用**:
- 一次性问答、查资料、写代码(不需要跨会话记忆)
- 用户明确要求"别记这个"

## 设计取舍(每条都能对着源码核)

| 环节 | 本 skill 怎么做 | 代价 |
|---|---|---|
| 存什么 | 用户原话,一字不改。一条记录只有六个字段(`d/text/pin/score/ch/kinds`),`text` 只由 `add()` 从入参写 | 做不了任何需要概括的整理 |
| 判定 | 封闭词表 + 正则,0 次模型调用 | 判得笨,纯叙述型的重要时刻会漏(见「已知边界」第 1 条) |
| 「哪一年」 | 轴上的年度横截面 | 依赖日期准确 |
| 「持续了多久」 | 两次同类刻度的日期相减(0.3 年 / 4.7 年) | 只有反复发生的类型才有跨度,一次性事件只有单点 |
| 召回副作用 | 零写入(有「前后字节一致」的断言) | 没有基于用户反馈的自动调优 |
| 遗忘 | 在轴上退化成一格(那阵子聊过加班,具体哪句记不清),原文不删 | 磁盘不会变小;隐私上不能靠「遗忘」解决 |

「一段的长度」这类信息,单点的相似度检索给不出来——它不在任何一条记忆里,在两条记忆的日期之间。

## 三条硬约束

1. **原文不可改**。写进去的是用户说的话,读出来的也是。任何环节都不生成、不改写、不概括。
2. **写入只有两条路**。`add()` 追加(`pin`/`kinds` 在落盘那一刻定型),`rejudge` 按新判定器原地重算全库(先备份、写临时文件再替换)。
3. **没有删除接口**。想"忘掉"只能降检索优先级,不能删字节。存原文不贵——一条短句一百来字节,
   为省这点空间去改写用户的话,是拿最贵的东西换最便宜的。

## 全自动模式(推荐)

挂 `hooks/remember_hook.py` 到宿主的 UserPromptSubmit 事件后,**不需要每次手动调用**:

- 用户每说一句 → 自动 `add`(约 0.3ms,不调模型)
- 用户问「还记得/以前/上次/那年/什么时候」→ 自动把横截面做成 JSON 打到 stdout,由宿主注入上下文
- 其余时候只记不说,不占上下文
- `.remember-me-disable` 空文件可让某个目录不入库;`REMEMBER_ME_HOOK=off` 临时关闭

命令是固定的,挂一次就行。见 README 的「装好之后」一节。

## 手动用法(调试或换宿主时)

```bash
# 建库(默认 ~/.remember-me)
python run.py init

# 写一句话(自动判断是不是"刻度")
python run.py add "我妈住院了,医生说要观察几天"
python run.py add "今天下雨了路上好堵" --date 2024-03-05

# 批量导入:日期<TAB>文本,或者每行一句话
python run.py ingest chat.tsv

# 取一次记忆横截面 —— 这是要贴进模型上下文的东西
python run.py recall "老陈是怎么走的"

# 看轴 / 看刻度 / 看统计
python run.py axis
python run.py milestone
python run.py stats
python run.py rejudge            # 判定器升级后重算全库的 pin/score(--dry-run 只报告)

# 自检(22 条不变量,任何一条红就是坏了)
python run.py selftest
```

## 工作流(接进任何模型)

1. 每轮对话把用户的话 `add` 进库(不需要模型参与,纯规则,P50 0.26ms)
2. 用户提问时,先 `recall "<问题>"` 拿到一段横截面
3. 把这段横截面**原文**贴进上下文,加一句:
   > 以下是你记忆库里关于这个问题的原话,按时间排。★ 标的是刻在你心上的事。
   > 只用这些回答;没有的就说"这个我不记得了",不要编。
4. 让模型回答

`recall` 的输出已经是可直接粘贴的格式,含「涉及:生死、病、住处」这样的类别提示。

## 召回只有两种结果

| 结果 | 什么时候 |
|---|---|
| **给原话** | 过了相关性闸:常驻刻度层 + 这次命中的句子(最多 26 句) |
| **给空** | 一个字都不相关,或只有疑问词没有内容词 |

**没有"摘要",也没有"关键词形态"。** 库里存的都是整句原文,不会为了省地方把它降级成一串关键词;
不重要的句子只是排后面、进不了常驻层,原文一直在磁盘上。

> 早期设计里想过一个"重要句子留原文、不重要的只留关键词 + 时段"的降级层。
> 那需要额外做关键词抽取和一种新的渲染格式,**我没实现**。所以别在有这个词的地方找它。

## 判定器在做什么

它只干一件事:**在轴上打刻度**。不负责删任何东西。

两条通路,都只看"说了什么",不看"说了几次"(频次不参与重要性判定):

- **事实通道**:不可逆事件 × 情态闸
  - 「我妈住院了」是事实 → 刻度
  - 「想辞职」是意愿 → 不是
  - 「差点提离职」是未然 → 不是
  - 「他说调岗」是转述 → 不是
  - 「我先走了」是日常动词 → 不是;「奶奶走了」才是
- **唤醒通道**:情绪强度 + 身体反应 + 决定宣告 + 异常长度
  - 对应人的闪光灯记忆:高唤醒事件一次就刻住
  - 「腿是软的」「手在抖」「喘不上气」「愣住」——人说不出痛苦时会说身体

单独用词表判重要性,在我自建的 3125 句语料上只有 P=35.5% / R=27.6%
(语料是模型扮演人设写的,比真人对话干净,真实数据上只会更差)。
**所以它不承担"决定删不删"的职责**,只承担"打刻度"。判错的代价是刻度不准,不是记忆丢失。

## 性能(本机实测,换机器会变)

| | 数字 |
|---|---|
| 单条写入(追加一行) | P50 0.26ms / P95 0.36ms,85~151 字节/条(`add()` 默认不 fsync) |
| 五年合成语料(实测) | 616 句 / 91KB |
| 十年 36.5 万句 | 31~55MB(**按单条均值线性外推,没真跑十年**) |
| 25 万句 | 22~38MB(同上,外推) |
| 20 万条读一次 | 冷启动 3~4 秒;有 pickle 缓存时 0.3~0.5 秒 |
| 单次召回 | **最多 26 句**(`budget=20`,截断时放宽 6 句),不随库增长 |
| 常驻刻度层 | **最多 64 句**,单条不超过 120 字,不随库增长 |

后两个是代码里的常量,可以直接核对。

## 已知边界

- **纯叙述型的重要时刻判不出来**:「考完了,最后一道大题没写完,我腿是软的,我完了」——没有事件词。它进不了刻度层,但落在轴上某一年,按年仍可调出。
- **代词会切断实体线**:「五点二十,他走了」不含人名。靠常驻刻度层兜住,没有真正的指代消解。
- **问句和原文用词不一致时会漏**:问「为什么从加拿大回来」,讲原因那句里没有「加拿大」。
- **高频实体覆盖不全**:一个被提了 90 次的人,单次只取 40 句。
- 词表 475 个关键词 / 1183 条词表项,真实口语远不止此。
- 同类型的事会被一起召回:问「我摔倒是哪次」可能带出一条别人的车祸,因为都属「伤」。

## 数据来源

- 张明园《生活事件量表》LES 48 项(1987)— 事件词骨架
- 中文死亡委婉语三级表(维基词典 / 中国新闻网 / 新华网)
- SUBTLEX-CH(Cai & Brysbaert 2010)— 仅用于过滤零频次词与关键词排序
  (它是翻译过来的电影字幕,「腰疼」「生孩子」频次为 0,不能用来裁生活词)
- 哈工大 + 百度 + 四川大学停用词表 — 关键词过滤

## 不做什么

- 不联网、不用 embedding、不用向量库、不用 GPU
- 不调用模型(判定、检索、封页全部是纯规则,0 次模型调用)
- 不生成摘要、不改写原话
- 不在召回时写入任何东西
Pliki w paczce (12)
  • .gitattributes 1 KB
  • .gitignore 1 KB
  • LICENSE 1 KB
  • README.md 23 KB
  • SKILL.md 9 KB
  • bench_scale.py 5 KB
  • config.json 1 KB
  • run.py 20 KB
  • assets/lexicon.json 25 KB
  • examples/demo.py 7 KB
  • hooks/_selftest.py 4 KB
  • hooks/remember_hook.py 8 KB

Wersje

W bazie nie ma innych skilli o nazwie remember-me.

Migawka bazy z 13.11.2026 · wersja paczki 15476e473321 (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

  • 95remember-preference
    Zapisuje trwałe cechy i preferencje użytkownika, takie jak wzrost, rozmiar czy styl, i aktualizuje je po korekcie.
  • 100remember
    Zapisuje wiedzę w Second Brain po poleceniach w rodzaju „remember this” i „save this” oraz przy zrzucie myśli.
  • 86remember
    Zapisuje na wyraźną prośbę użytkownika informację w pamięci memtomem, by wróciła w późniejszych rozmowach.
  • 100remember
    Zapisuje od razu informację do pamięci, gdy użytkownik prosi o zapamiętanie, i pokazuje albo koryguje to, co już zapisane.
  • 95remember
    Zapisuje wnioski z sesji, preferencje użytkownika i jego korekty w docs projektu jako trwałą pamięć pracy.

Uwagi i zgłoszenia

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