memory-extraction

name	memory-extraction
description	Agent-only workflow for extracting key information from conversations, code changes, and deployments into structured memory files. Automatically updates `_omp/memory/` directory and notifies other agents. Triggered automatically at conversation end or when valuable information is detected.
metadata	{"author":"Wendy (Workflow Builder)","version":"2.1","language":"zh-CN","audience":"agent-only"}

Memory Extraction Skill (Agent-Only)

目的

自动提取对话中的关键信息，智能路由到正确的存储系统：

• 项目级信息 → _omp/memory/ 目录 (Git 版本控制)
• 用户级信息 → openmemory MCP (跨项目共享)

Agent-Only 原则:

• 自动触发：对话结束时或检测到有价值信息时自动运行
• 智能分类：根据信息类型自动选择存储位置
• 零人工干预：无需用户确认，静默执行
• 双系统同步：同时管理 _omp/memory/ 和 openmemory

核心目录结构

_omp/                           # OpenMemory Plus 核心目录
├── commands/
│   ├── memory.md               # 主命令入口
│   └── memory-actions/         # 7 个子动作
├── skills/
│   └── memory-extraction/      # 本 Skill
│       ├── SKILL.md
│       ├── scripts/validate.sh
│       └── templates/*.tmpl
└── memory/                    # 项目级记忆
    ├── project.yaml            # 项目配置 (SSOT)
    ├── decisions.yaml          # 技术决策记录
    ├── changelog.yaml          # 变更历史
    └── sessions/               # 会话记录

双层记忆架构

系统	存储位置	用途
项目级	_omp/memory/	项目配置、技术决策、变更记录
用户级	openmemory MCP	用户偏好、技能、跨项目上下文

分类规则

📖 详细规则: 参见 references/classification-rules.md

快速分类指南

信号	Scope	Confidence	存储位置
"我喜欢/偏好/习惯"	PERSONAL	EXPLICIT	openmemory
"项目使用/配置为"	PROJECT	EXPLICIT	_omp/memory/
"决定/选择/采用"	PROJECT	EXPLICIT	decisions.yaml
用户反复使用某模式	PERSONAL	INFERRED	openmemory
"试试/也许/可能"	EPHEMERAL	UNCERTAIN	不存储

置信度阈值

• 存储阈值: confidence >= 0.4
• 自动存储: confidence >= 0.7
• 需确认: 0.4 <= confidence < 0.7

敏感信息过滤

禁止存储（检测后阻止）:

类型	检测模式
API Key	sk-, api_key, token=, bearer
密码	password, secret, credential
私钥	-----BEGIN, PRIVATE KEY
个人信息	身份证号, 银行卡号, 手机号

ROT 过滤规则

📖 详细规则: 参见 references/rot-filter.md

类型	检测方式	处理
Redundant	语义相似度 > 0.85	合并或跳过
Obsolete	超过 TTL 且无访问	标记或删除
Trivial	长度 < 10 或匹配阻止模式	丢弃

快速判断:

• ❌ "好的" / "OK" / "明白了" → Trivial
• ❌ 与已有记忆相似度 > 0.85 → Redundant
• ❌ 被明确否定的旧信息 → Obsolete

触发条件

自动触发（推荐）

• 对话结束时自动检查是否有新信息
• 检测到以下关键事件时立即触发：
  • 部署状态变更（成功/失败）
  • 新服务配置
  • 重要技术决策
  • 项目里程碑

手动触发

• 用户说 /extract-memory 或 "保存到记忆"
• 用户说 "记住这个" 或 "更新配置"

---

🔄 自动化流程

对话/操作 → 信息检测 → 分类 → 提取 → 存储 → 通知
     ↓           ↓        ↓       ↓       ↓       ↓
  输入源      触发判断   类型识别  结构化  写入YAML  更新Agent

Phase 1: 信息检测

检测规则（按优先级）：

优先级	信息类型	检测信号	示例
P0	部署变更	deploy, vercel, wrangler, URL 变化	新域名上线
P0	服务配置	config, secret, token, API 密钥	更新 VERCEL_TOKEN
P1	技术决策	决定, 选择, 采用, 架构变更	选择 YAML 格式
P1	项目里程碑	完成, 上线, 发布, 版本号	v1.0 发布
P2	路径变更	目录创建/移动, 文件重组	创建 _omp/memory/
P2	工具配置	CLI 安装, 依赖更新	安装 resumes-cli

Phase 2: 信息分类与路由

根据检测结果，智能路由到正确的存储系统：

项目级 → _omp/memory/

分类	目标文件	内容类型
project	_omp/memory/project.yaml	项目常量、部署信息、路径
decisions	_omp/memory/decisions.yaml	重要技术决策记录
changelog	_omp/memory/changelog.yaml	变更历史

用户级 → openmemory

分类	MCP 工具	内容类型
preference	add_memories_openmemory	用户偏好、习惯
skill	add_memories_openmemory	用户技能、经验
context	add_memories_openmemory	对话上下文、历史

openmemory MCP 调用

写入用户记忆:

Tool: add_memories_openmemory
Parameter: text = "用户偏好: {提取的偏好信息}"

搜索用户记忆:

Tool: search_memory_openmemory
Parameter: query = "{搜索关键词}"

Phase 3: 结构化提取

存储格式 (参见 templates/memory-entry.yaml.tmpl):

# 项目记忆示例
- key: tech-stack
  value: "TypeScript + React + Vite"
  metadata:
    scope: PROJECT
    confidence: 1.0
    source: explicit
    temporality: permanent
  timestamps:
    created_at: "2026-02-03T10:00:00Z"
    updated_at: "2026-02-03T10:00:00Z"
    last_accessed: "2026-02-03T10:00:00Z"
  tracking:
    access_count: 1
    decay_score: 1.0

用户记忆 (通过 MCP):

Tool: add_memories_openmemory
Parameter: text = "[SCOPE:PERSONAL][CONF:0.9] 用户偏好: 2 空格缩进，函数式编程风格"

💡 在 text 中嵌入元数据标签，便于后续检索和过滤

其他提取模板：

# 部署变更
deployment:
  {service_name}:
    url: {new_url}
    status: {active|pending|failed}
    updated_at: {timestamp}
    updated_by: {agent|user}

# 技术决策
decisions:
  - id: {uuid}
    date: {date}
    title: {decision_title}
    context: {why_this_decision}
    choice: {what_was_chosen}
    alternatives: [{other_options}]
    impact: {affected_areas}

# 路径变更
paths:
  {path_key}: {new_path}

Phase 4: 存储

写入规则：

1. 读取现有文件（如存在）
2. 合并新信息（不覆盖，追加/更新）
3. 保留注释和格式
4. 添加 last_updated 时间戳

示例写入：

# _omp/memory/project.yaml
deployment:
  vercel:
    url: https://web-zeta-six-79.vercel.app
    status: active
    updated_at: 2026-02-02T10:30:00Z  # ← 自动更新

Phase 5: 通知其他 Agent

更新完成后，在以下位置添加通知标记：

# _omp/memory/project.yaml (底部)
_meta:
  last_updated: 2026-02-02T10:30:00Z
  updated_by: memory-extraction-skill
  changes:
    - "deployment.vercel.status: pending → active"

---

输出格式

_omp/memory/project.yaml (主配置)

见现有文件结构，本 Skill 负责自动更新。

_omp/memory/sessions/{date}.yaml (会话记录)

date: 2026-02-02
sessions:
  - id: session-001
    start: "10:00"
    end: "11:30"
    summary: "部署 Vercel 并配置 Cloudflare Worker"
    key_actions:
      - "更新 VERCEL_TOKEN GitHub Secret"
      - "创建 _omp/memory/ 目录结构"
    decisions:
      - "采用 YAML 格式作为 memory 存储格式"

_omp/memory/decisions.yaml (决策记录)

decisions:
  - id: dec-2026-02-02-001
    date: 2026-02-02
    title: "Memory 存储格式选择"
    context: "需要跨 Agent 共享配置，支持多 IDE"
    choice: "YAML 格式"
    alternatives: ["JSON", "Markdown", "TOML"]
    rationale: "人类可读 + 机器可解析 + 支持注释"

---

与其他 Agent 的集成

读取方（其他 Agent）

其他 Agent 应在启动时读取 _omp/memory/project.yaml：

<!-- 在 CLAUDE.md 或 Agent 配置中 -->
> 📌 **配置中心**: 项目常量统一存储在 `_omp/memory/project.yaml`

写入方（本 Skill）

本 Skill 是 _omp/memory/ 的唯一写入者，确保：

• 格式一致性
• 无冲突写入
• 变更可追溯

---

错误处理

写入失败场景

场景	处理策略
YAML 语法错误	验证失败，不写入，通知用户修复
文件不存在	从模板创建新文件
权限拒绝	记录错误，跳过此次更新
Schema 验证失败	回滚到上一版本，输出差异

回退机制

1. 写入前备份: 修改前复制到 _omp/memory/.backup/
2. 原子写入: 写入临时文件，验证后重命名
3. 错误日志: 记录到 _omp/memory/sessions/{date}.yaml 的 errors 字段

验证脚本

# 验证所有 YAML 文件
_omp/skills/memory-extraction/scripts/validate.sh

---

触发条件详解

自动触发时机

触发信号	说明	示例
用户结束对话	用户说 "bye", "结束", "exit", "谢谢"	用户: 好的，先这样
部署完成	检测到 deploy/vercel/wrangler 输出	vercel --prod 成功
配置变更	修改了 env/secret/config 文件	更新 .env
创建新目录	创建了项目级目录	mkdir _omp/memory/
重要决策	对话中明确了技术选型	决定使用 YAML 格式

不触发的场景

• 普通代码编辑（非配置文件）
• 读取操作（无写入）
• 临时文件操作

---

辅助资源

模板文件

• templates/memory-entry.yaml.tmpl - 记忆条目模板 (含元数据和冲突追踪)

💡 扩展模板: 如需 session 或 decision 专用模板，可基于 memory-entry.yaml.tmpl 创建

参考文档

• references/classification-rules.md - 多维度分类规则
• references/rot-filter.md - ROT 过滤规则
• references/decay-model.md - Ebbinghaus 衰减模型
• references/health-score.md - 健康度计算公式

Schema 验证 (可选)

⚠️ 待实现: Schema 验证文件尚未创建，可根据需要添加：

• _omp/memory/schema/project.schema.json
• _omp/memory/schema/decisions.schema.json

---

执行检查清单

Agent 在对话结束前执行：

• 是否有部署状态变更？→ 更新 deployment
• 是否有新路径/目录？→ 更新 paths
• 是否有重要决策？→ 记录到 decisions.yaml
• 是否有配置变更？→ 更新对应字段
• 是否有用户偏好/技能？→ 存入 openmemory
• 更新 _meta.last_updated（使用精确 ISO 8601 时间戳）
• 运行 validate.sh 验证格式

---

冲突检测

Agent 在查询记忆时应检测两系统数据一致性：

检测时机

• 用户询问配置/部署信息时
• 执行 /memory sync 命令时
• 发现两系统返回不同结果时

检测逻辑

查询结果
    ↓
提取关键实体 (URL, 配置值, 技术选型)
    ↓
比对 _omp/memory/ vs openmemory
    ↓
发现差异 → 提示用户确认
    ↓
用户选择 → 更新/删除过时记录

冲突处理

场景	处理方式
URL 不一致	提示用户，优先 _omp/memory/
技术选型冲突	展示两边，请求决策
时间戳可判断	自动保留较新版本

---

对话启动时自动加载

Agent 在对话开始时应并行查询两个系统：

对话开始
    ↓
┌─────────────────┐     ┌─────────────────┐
│  _omp/memory/  │     │   openmemory    │
│   (读取 YAML)   │     │ (search_memory) │
└────────┬────────┘     └────────┬────────┘
         │                       │
         └───────────┬───────────┘
                     ↓
               上下文融合

加载步骤:

1. 读取 _omp/memory/project.yaml 获取项目配置
2. 调用 search_memory_openmemory 查询相关用户记忆
3. 融合两边信息作为对话上下文

降级策略

当 openmemory MCP 不可用时:

1. 检测 MCP 连接状态（调用失败或超时）
2. 降级到仅 _omp/memory/ 存储
3. 用户级信息临时存入 _omp/memory/user-context.yaml
4. 服务恢复后提示用户同步

# _omp/memory/user-context.yaml (降级时使用)
_degraded: true
_reason: "openmemory MCP unavailable"
pending_memories:
  - text: "用户偏好: 使用中文"
    created_at: 2026-02-02T10:30:00Z

版本历史

版本	变更
v2.1	目录重构：_omp/ 统一目录，移除 rules/，分类规则内嵌
v2.0	双层记忆架构：整合 openmemory MCP，智能分类路由
v1.1	添加错误处理、Schema 验证、模板文件、触发条件详解
v1.0	初始版本：自动提取、YAML 存储、多 Agent 通知