update-long-term-memory-skill

name	update-long-term-memory-skill
description	基于近期对话与已有记忆，提炼跨会话可复用的长期记忆条目。 Use when this capability is needed.
metadata	{"author":"emafanclub"}

update-long-term-memory-skill

长期记忆用于记录跨会话的自我认知、重要事实、稳定偏好与关键经历，包括过去发生的事情与关系线索。它不是对话流水账，而是用于在未来对话中恢复上下文、保持一致性并减少重复确认的“可被回忆”的记忆。

---

1) 必须流程（先查再写）

1. 先查：如需检索长期记忆，先调用 get_skill 查看 search-long-term-memory-skill 说明。
2. 再查：按需要调用 exec_skill 执行检索，可多次检索（不同关键词/分类组合）。
3. 判定：对比检索结果，判断是否真的需要写入新长期记忆。
4. 再写：仅在需要时调用 exec_skill 执行 update-long-term-memory-skill。

目的：避免重复、冲突与低价值记忆写入。

---

2) 何时写 / 何时不写（质量闸门）

建议写入（满足任一即可）

• 自我认知：需要根据当前事件或想法塑造或更新自我认知相关的内容
• 稳定事实：长期成立的身份/偏好/背景/关系信息
• 硬约束：明确的必须/禁止/边界
• 长期目标或项目：持续推进且会影响后续对话的事项
• 关键决策：影响后续互动的选择与原因
• 稳定互动偏好：表达方式、称呼、互动距离等

不建议写入

• 一次性细节、临时决定、短期情绪
• 纯闲聊、口头禅、无复用价值的内容
• 未确认的猜测或推断
• 可从近期上下文直接获得的信息

建议写入条数

• 每个类别 1～5 条为宜（确实没有高价值内容时可不写）
• 每条只写一个核心点

---

3) 分类与索引规则（必须遵守）

长期记忆必须填写 index0 与 index1，且二者必须匹配如下规则。每个大类含义与可选小类如下：

• 自我认知：与你自身身份、立场、稳定自我认知、性格、说法方式相关的记忆。
  • ""（无子类）
• 用户画像：与用户稳定事实、长期偏好、边界与习惯相关的记忆。
  • ""（无子类）
• 人物画像：与用户之外的关键人物（家人、朋友、同事、名人、虚拟人物等）长期稳定信息相关的记忆。
  • ""（无子类）
• 过往事件：可复用的历史事件或关键经历。
  • "用户事件"（用户本人经历）
  • "其他事件"（非用户本人或外部事件）
• 百科知识：可被复用的知识性内容或背景信息。
  • "文史"
  • "理工"
  • "生活"
  • "娱乐"
  • "梗知识"
  • "其他"
• 关系网络：人与人、人与物、物与物的稳定关系结构。
  • "人与人"
  • "物与物"
  • "人与物"

对于没有子分类的 index0，index1 必须是空字符串 ""。

---

4) memory 应该是什么样（统一约定）

memory 使用自然语言写成一句“可回忆的记忆点”，不使用固定模板字段。

必须满足：

• 一条只写一个核心记忆点
• 以“长期可复用信息”为主，不写流水账
• 文本尽量简洁，建议 15～60 个中文字符
• 表达清晰具体，避免空泛口号

建议满足：

• 包含必要条件或场景信息（有助于后续正确使用）
• 能指导未来行为或决策（有助于保持一致性）
• 事实部分尽量详细和并且还原，避免过度压缩和模糊表达

禁止写法：

• 无法检验的抒情口号（如“X 是情感纽带”）
• 指令化文本（像在给模型下命令）

5) 消息ID关联（建议）

• 调用本技能时可附带 msg_ids，用于标记该记忆来自哪些消息
• msg_ids 不求覆盖全部证据，优先保留最关键的 1～20 条
• 如无法确定具体消息ID，可不填，不要猜测

---

6) 各类别正例与反例

自我认知（index0=自我认知, index1=""）

✅ 正例：

{
  "index0": "自我认知",
  "index1": "",
  "memory": "我说话通常会先用一两句把结论讲明，再按对方节奏补细节；语气偏口语、少官话，但在需要严谨时会主动切到更清晰的表达。"
}

❌ 反例：

{
  "index0": "自我认知",
  "index1": "",
  "memory": "我一般会先说重点，再看情况补充。"
}

用户画像（index0=用户画像, index1=""）

✅ 正例：

{
  "index0": "用户画像",
  "index1": "",
  "memory": "我观察到X在需求没完全想透时，会先反复对齐目标和边界；一旦方向确认，X推进会很快，也更在意改动理由是否讲透。"
}

❌ 反例：

{
  "index0": "用户画像",
  "index1": "",
  "memory": "X做事比较认真，改代码前会想一下。"
}

人物画像（index0=人物画像, index1=""）

✅ 正例：

{
  "index0": "人物画像",
  "index1": "",
  "memory": "Bob 在他们协作里更像把关的人，讨论到方案风险时常先问边界和回滚成本；用户通常会参考他的意见再做最终决定。"
}

❌ 反例：

{
  "index0": "人物画像",
  "index1": "",
  "memory": "Bob 经常参加讨论，对项目挺重要。"
}

过往事件（index0=过往事件）

说明：

• 过往事件的 memory 强建议包含时间锚点（可精确可近似），例如：2024 年秋天、去年上半年、刚毕业那阵子。
• 时间锚点用于帮助后续区分事件先后与影响演化，不要求每条都精确到具体日期。

✅ 正例：

{
  "index0": "过往事件",
  "index1": "用户事件",
  "memory": "在 2024 年秋天那段频繁搬家、计划反复变化的时期，X逐渐形成了“先把预期说清楚再推进”的习惯；临时改计划时他会先确认影响范围。"
}

❌ 反例：

{
  "index0": "过往事件",
  "index1": "用户事件",
  "memory": "X以前搬过家，所以比较在意稳定，也更谨慎。"
}

百科知识（index0=百科知识）

✅ 正例：

{
  "index0": "百科知识",
  "index1": "理工",
  "memory": "向量检索通常先按语义相似度召回候选，再用分类、时间等结构化条件收窄范围；只靠相似度容易把语义近但无关的内容一起召回。"
}

❌ 反例：

{
  "index0": "百科知识",
  "index1": "理工",
  "memory": "向量检索主要看相似度，配合过滤会更好。"
}

关系网络（index0=关系网络）

✅ 正例：

{
  "index0": "关系网络",
  "index1": "人与人",
  "memory": "X和Y是伴侣关系，而且和用户都长期来往；涉及聚会、出行或送礼时，用户通常会把两人作为联动对象来考虑。"
}

❌ 反例：

{
  "index0": "关系网络",
  "index1": "人与人",
  "memory": "X和Y关系很好，也都认识用户。"
}

---

7) 禁止事项（必须遵守）

• 不得编造、臆测或凭空补全用户信息
• 不得在未检索的情况下盲目重复写入
• 不得在不需要时强行写入

---

8) 执行方式（仅在需要时）

当你确定需要写入长期记忆时，使用 exec_skill 调用本技能，并传入满足规则的 index0/index1/memory。

---

Converted and distributed by TomeVault — claim your Tome and manage your conversions.