tree-ring-memory-cn
/tree-ring-memory-cn
Zapewnia agentom AI lokalną pamięć projektu: przywoływanie wiedzy, doświadczenia poparte dowodami, bezpieczne zapisy, audyt, anonimizację i celowe zapominanie.
- Autor
- YangsonHung ↗
- Repozytorium
- awesome-agent-skills ↗
- Licencja
- MIT
- Ostatnia zmiana repozytorium
- 08.08.2026
Ocena i bezpieczeństwo
- Pliki w paczce
- 1
- Skrypty
- 0
- Komentarze HTML
- 0
- Adresy URL w SKILL.md
- 0
Brak sygnałów. Repozytorium zmienione 08.08.2026, bez odwołań do wycofanych modeli i API.
MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.
Co robi i kiedy
Zapewnia agentom AI lokalną pamięć projektu: przywoływanie wiedzy, doświadczenia poparte dowodami, bezpieczne zapisy, audyt, anonimizację i celowe zapominanie.
Oryginalny opis (EN)
当 AI Agent 需要本地优先的项目记忆召回、证据化经验、隐私安全记录、审计、脱敏或主动遗忘时使用。
Jak działa
- Overview
- 何时使用
- 不要使用
- 使用说明
- 工作流程
- 命令参考
- 年轮模型
- 隐私守门规则
- 收尾清单
Podgląd SKILL.md
--- name: tree-ring-memory-cn description: 当 AI Agent 需要本地优先的项目记忆召回、证据化经验、隐私安全记录、审计、脱敏或主动遗忘时使用。 --- # Tree Ring Memory ## Overview 使用本技能把 Tree Ring Memory 当作具备生命周期意识的 AI Agent 记忆层来操作。它适合保存长期有用的决策、经验、警告、项目约定、用户偏好和未来种子,而不是保存完整聊天记录,也不是后台自动抓取器。 核心思想是让 Agent 记忆有意地老化: - 仍在进行的工作可以保留较多细节 - 较旧经验应压缩成稳定摘要 - 重要失败和警告应保持可见 - 持久偏好和项目事实应成为高置信记忆 - 尚未确认的后续想法应与事实分开 - 敏感信息应默认阻止、脱敏或遗忘 ## 何时使用 在以下场景使用本技能: - 用户要求记住、召回、合并、脱敏或遗忘。 - 当前任务依赖过去的项目决策、偏好或警告。 - Agent 正在开始或恢复一个带有 Tree Ring Memory 或项目本地 `.tree-ring` 目录的仓库。 - 测试、事故、PR、基准、评审或运行记录产生了对未来有用的经验。 - `AGENTS.md`、DOX 或 Revolve 等来源文档包含应汇总进记忆的长期指导。 - Agent 需要在高风险改动前审计已保存的记忆。 ## 不要使用 以下场景不要把本技能作为主要指南: - 任务结束后就应消失的短期草稿。 - 原始思维链或隐藏推理。 - 密钥、凭据、令牌、私钥、支付信息或其他敏感值。 - 保存完整对话,而不是简洁经验或决策。 - 把未经验证的说法当作持久项目事实。 - 替代来源文档、测试、Issue、PR 或发布记录。 ## 使用说明 当 Tree Ring Memory 能改善连续性时,按下面的流程执行。简单任务中只做窄范围召回,并且只有经验明显具备长期价值时才写入记忆。高风险任务中应加入来源检查、证据化记录和收尾复盘。 ## 工作流程 1. 当历史上下文可能影响任务时,先召回再行动。 2. 优先使用窄范围、项目级查询,避免泛泛的全局召回。 3. 如果存在来源文档,必须直接读取;记忆不能替代 `AGENTS.md`、项目文档、测试、Issue、PR 或发布记录。 4. 只保存未来确实有帮助的简洁经验、决策、警告和偏好。 5. 如果经验来自经过审查的运行、评估、检查点、事故、分支、PR、Issue 或测试产物,优先使用证据化记录。 6. 对过时或敏感记忆执行脱敏、替换或删除,不要保留已知错误的上下文。 ## 命令参考 先查看本地帮助,确保命令与当前安装版本一致: ```bash tree-ring --help tree-ring evidence --help tree-ring dox sync --help tree-ring revolve sync --help ``` 如果项目有本地 Tree Ring 配置,先读取 `.tree-ring/SKILL.md` 和 `.tree-ring/CLI.md`,不要直接假设全局配置适用于当前仓库。需要显式指定项目存储时,使用本地 root: ```bash tree-ring --root .tree-ring recall --query "release decisions" tree-ring --root .tree-ring evidence --help ``` 写入来源适配器摘要前先使用 dry-run: ```bash tree-ring dox sync --source-root . --dry-run tree-ring revolve sync --source-root revolve --dry-run tree-ring integrations scan --source-root . ``` 只有当摘要简洁、有用、带来源且隐私安全时,才执行实际写入。 ## 年轮模型 用年轮模型判断保留强度: - `cambium`:当前活跃任务上下文 - `outer`:近期决策和经验 - `inner`:较旧的压缩项目知识 - `heartwood`:高置信、长期稳定的事实和偏好 - `scar`:重要失败、回归、被否定方案和警告 - `seed`:未解决想法、假设和后续事项 不要把证据薄弱的内容提升到 `heartwood`。在用户确认或证据足够强之前,优先使用 `outer` 或 `seed`。 ## 隐私守门规则 永远不要保存: - 密钥、凭据、令牌、私钥或支付信息 - 原始思维链 - 临时草稿 - 未验证却被当作持久事实的说法 - 未经用户明确指示的敏感健康、财务、法律或个人标识信息 - 超出短摘录范围的受版权保护文本 如果有用记忆包含敏感材料,只保留足够避免重复错误的脱敏操作摘要。 ## 收尾清单 结束有意义的工作前,检查: - 我们做出了什么决策? - 我们学到了什么? - 未来 Agent 应避免重复什么? - 用户是否表达了长期偏好? - 是否有值得未来 revisiting 的种子? - 是否有记忆错误、过时、私密,或更适合不保存? 只记录持久、有用、有来源且安全的答案。
Wersje
W bazie nie ma innych skilli o nazwie tree-ring-memory-cn.
Migawka bazy z 28.10.2026 · wersja paczki 5e289f5d5e93 (skrót SHA-256 całej paczki)
Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.
Podobne skille
- 100tree-ring-memory
Zapewnia lokalną pamięć projektu dla agenta AI: przywoływanie, wnioski powiązane z dowodami, bezpieczne dla prywatności zapisywanie, audyt, redakcja i świadome zapominanie. - 90sync
Zapisuje stan pierścienia z bieżącej rozmowy do pliku: przy pierwszym wywołaniu go tworzy, potem robi punkty kontrolne. - 100recall
Przeszukuje lokalną pamięć Origin po zapytaniu, jako celowe wyszukiwanie wywoływane przez /recall. - 90ring:using-dev-team
Dobiera i wywołuje właściwego agenta specjalistę Ring (backend Go lub TS, frontend, UI, Helm, QA frontendu, recenzent promptów) przez narzędzie Task, także równolegle. - 90ring:writing-skills
Pisze lub edytuje skill Ring: struktura SKILL.md, frontmatter, reguły optymalizacji wyszukiwania przez agenta, cele oszczędności tokenów i utwardzanie przed wymówkami.