Run any Skill in Manus with one click

memory-extraction

Agent-only workflow for extracting key information from conversations, code changes, and deployments into structured memory files. Supports xMemory 4-layer architecture with theme assimilation. Automatically updates `_omp/memory/` directory and notifies other agents.

Run Skill in Manus

Overview

Install command

npx skills add https://github.com/Alenryuichi/openmemory-plus --skill memory-extraction

Copy and paste this command into Claude Code to install the skill

Source

Alenryuichi/openmemory-plus

Stars19

Forks2

UpdatedFebruary 28, 2026 at 18:23

File Explorer

11 files

SKILL.md

readonly

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 (L1 Episode)
    └── themes/                 # 主题层 (L3 Theme) ← NEW
        ├── index.yaml          # 主题索引和配置
        └── embeddings.json     # 主题质心向量

xMemory 4-Layer Architecture

层级	存储位置	用途
L3 Theme	`_omp/memory/themes/`	主题聚合，多个语义记忆的抽象
L2 Semantic	openmemory MCP (Qdrant)	语义记忆，可检索的知识片段
L1 Episode	`_omp/memory/sessions/`	情节记忆，会话上下文
L0 Message	对话历史	原始消息（不持久化）

双层记忆架构（简化视图）

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、主题
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 (xMemory Enhanced)

对话/操作 → 信息检测 → 分类 → 提取 → 存储 → 主题吸附 → 通知
     ↓           ↓        ↓       ↓       ↓        ↓          ↓
  输入源      触发判断   类型识别  结构化  L2语义  L3主题聚合  更新Agent

xMemory 主题吸附 (L3 Assimilation)

当新的语义记忆存入 L2 层后，自动触发主题吸附：

# 主题吸附流程
1. 计算新记忆的 embedding
2. 与现有主题 centroids 计算余弦相似度
3. 相似度 >= 0.62 (attachThreshold): 吸附到现有主题
4. 相似度 < 0.62: 创建新主题
5. 主题语义数 > 10: 触发主题分裂
6. 两主题相似度 > 0.78: 触发主题合并

配置位置: _omp/memory/themes/index.yaml

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：

读取现有文件（如存在）
合并新信息（不覆盖，追加/更新）
保留注释和格式
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

写入前备份: 修改前复制到 _omp/memory/.backup/
原子写入: 写入临时文件，验证后重命名
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:

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

降级策略

当 openmemory MCP 不可用时:

检测 MCP 连接状态（调用失败或超时）
降级到仅 _omp/memory/ 存储
用户级信息临时存入 _omp/memory/user-context.yaml
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
v3.0	xMemory 4 层架构：添加 L3 主题层、主题吸附流程、themes/ 目录
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

name	memory-extraction
description	Agent-only workflow for extracting key information from conversations, code changes, and deployments into structured memory files. Supports xMemory 4-layer architecture with theme assimilation. Automatically updates `_omp/memory/` directory and notifies other agents.
metadata	{"author":"Wendy (Workflow Builder)","version":"3.0","language":"zh-CN","audience":"agent-only"}

memory-extraction

More from this repository

More from this repository

Memory Extraction Skill (Agent-Only)

目的

核心目录结构

xMemory 4-Layer Architecture

双层记忆架构（简化视图）

分类规则

快速分类指南

置信度阈值

敏感信息过滤

ROT 过滤规则

触发条件

自动触发（推荐）

手动触发

🔄 自动化流程 (xMemory Enhanced)

xMemory 主题吸附 (L3 Assimilation)

Phase 1: 信息检测

Phase 2: 信息分类与路由

项目级 → _omp/memory/

用户级 → openmemory

openmemory MCP 调用

Phase 3: 结构化提取

Phase 4: 存储

Phase 5: 通知其他 Agent

输出格式

_omp/memory/project.yaml (主配置)

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

_omp/memory/decisions.yaml (决策记录)

与其他 Agent 的集成

读取方（其他 Agent）

写入方（本 Skill）

错误处理

写入失败场景

回退机制

验证脚本

触发条件详解

自动触发时机

不触发的场景

辅助资源

模板文件

参考文档

Schema 验证 (可选)

执行检查清单

冲突检测

检测时机

检测逻辑

冲突处理

对话启动时自动加载

降级策略

版本历史

Memory Extraction Skill (Agent-Only)

目的

核心目录结构

xMemory 4-Layer Architecture

双层记忆架构（简化视图）

分类规则

快速分类指南

置信度阈值

敏感信息过滤

ROT 过滤规则

触发条件

自动触发（推荐）

手动触发

🔄 自动化流程 (xMemory Enhanced)

xMemory 主题吸附 (L3 Assimilation)

Phase 1: 信息检测

Phase 2: 信息分类与路由

项目级 → _omp/memory/

用户级 → openmemory

openmemory MCP 调用

Phase 3: 结构化提取

Phase 4: 存储

Phase 5: 通知其他 Agent

输出格式

_omp/memory/project.yaml (主配置)

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

_omp/memory/decisions.yaml (决策记录)

与其他 Agent 的集成

项目级 → `_omp/memory/`

用户级 → `openmemory`

`_omp/memory/project.yaml` (主配置)

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

`_omp/memory/decisions.yaml` (决策记录)

项目级 → `_omp/memory/`

用户级 → `openmemory`

`_omp/memory/project.yaml` (主配置)

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

`_omp/memory/decisions.yaml` (决策记录)