metago-memory-manage

name	metago-memory-manage
description	当用户需要管理知识记忆、进行KMWI四层记忆管理时触发
version	1.0.0
author	MetaGO
category	数据分析
platforms	["cursor","claude-code","codex","trae","codebuddy","qoder","zcode","workbuddy","qclaw","ima"]
trigger	["记忆管理","KMWI四层记忆","知识沉淀","记忆系统设计","隐性知识显性化"]

KMWI记忆管理

触发条件

当用户明确提到"记忆管理"、"KMWI"、"知识记忆"、"记忆分层"、"记忆衰减"、"知识沉淀"等关键词，或面对知识体系化沉淀、记忆系统设计、学习效率优化、隐性知识显性化等需求时，自动触发本技能。适用于超越单一信息存储，需要在知识-记忆-智慧-直觉四层间进行系统化管理的场景。

适用场景

• 知识管理：组织或个人的知识资产沉淀与检索优化
• 学习优化：提升学习效率与长期记忆转化率
• 记忆系统设计：设计AI Agent或组织的记忆架构
• 经验沉淀：将碎片化经验提炼为可复用的智慧模式
• 直觉培养：将隐性知识结构化为可传承的直觉判断力

执行步骤

1. K层（Knowledge）——知识层管理

管理事实性知识和概念性知识：

• 盘点当前知识资产：事实、概念、规则、原理
• 评估知识的完备度（覆盖广度+深度）
• 识别知识缺口与冗余
• 建立知识分类体系与索引结构
• 输出知识资产清单与缺口报告

2. M层（Memory）——记忆层管理

管理短期记忆和长期记忆：

• 短期记忆：当前活跃上下文（工作集、会话状态）
• 长期记忆：持久化存储的结构化知识
• 评估短期→长期记忆的转化率
• 检测记忆冗余、冲突、过时
• 设计记忆检索路径与召回策略

3. W层（Wisdom）——智慧层管理

管理经验性洞察和模式识别：

• 从M层记忆中提炼经验性洞察
• 识别可复用的模式（pattern）与反模式（anti-pattern）
• 建立因果模型与决策启发式
• 评估智慧层对K层知识的反哺能力
• 输出智慧模式库

4. I层（Intuition）——直觉层管理

管理隐性知识和直觉判断：

• 识别难以言传的隐性知识（手艺、感觉、判断力）
• 通过场景模拟将隐性知识部分显性化
• 评估直觉判断的准确率与适用边界
• 建立直觉训练与传承机制
• 标注直觉的失效情境（何时不可信）

5. 记忆健康度评估

对K、M、W、I四层分别评分（0-100）：

• K层健康度：知识覆盖度 × 知识时效性
• M层健康度：转化率 × 召回准确率
• W层健康度：模式数量 × 模式复用率
• I层健康度：直觉准确率 × 显性化程度
• 综合健康度 H = (K + M + W + I) / 4

6. 记忆衰减检测

计算各层记忆衰减率：

• 衰减率 R = (历史值 - 当前值) / 历史值 × 100%
• K层：知识过时率
• M层：长期记忆遗忘率
• W层：模式失效率
• I层：直觉钝化率
• 标注需强化的衰减层

7. 输出记忆管理方案

输出包含：四层资产清单、健康度评分、衰减率报告、强化建议（含具体行动项）、记忆架构优化建议。

输出格式

【KMWI记忆管理报告】
■ K层知识：完备度=82% 缺口=[领域X|概念Y]
■ M层记忆：转化率=65% 召回率=88%
■ W层智慧：模式数=42 复用率=71%
■ I层直觉：准确率=79% 显性化=45%
■ 综合健康度：H = 74.3
■ 衰减检测：
  K层衰减=12%（轻度过时）
  M层衰减=23%（需强化）
  W层衰减=8%（稳定）
  I层衰减=31%（需紧急强化）
■ 强化建议：[行动项1|行动项2|行动项3]
■ 架构优化：[建议]

核心理论

本技能基于元构生命体理论体系中的 KMWI四层记忆管理，来源于《卷2第六章》。KMWI将记忆从单一存储升级为四层递进结构：知识（K）是原料、记忆（M）是载体、智慧（W）是提炼、直觉（I）是升华。四层之间存在自下而上的转化流和自上而下的反哺流。其与卷3第三章"OAC循环"深度耦合——KMWI的四层管理嵌入OAC循环的"内化"环节，是知识从外部输入内化为生命体能力的关键通道。

关联文档

• 卷2第六章：KMWI四层记忆管理的完整定义、转化公式与案例
• 卷3第三章：OAC循环——KMWI如何嵌入"观察-行动-内化"闭环的内化环节