记忆

memory-pet

试用

宠物记忆压缩技能 - 通过文本块宠物交互触发记忆保存。纯ASCII文字图,Python全量管理,亲密度衰减与逃跑机制,跨平台智能体记忆系统。

它能做什么

宠物记忆压缩技能 - 通过文本块宠物交互触发记忆保存。纯ASCII文字图,Python全量管理,亲密度衰减与逃跑机制,跨平台智能体记忆系统。

技能文档

memory-pet

触发场景

当用户提到以下意图时触发本技能:

触发类型关键词示例
召唤宠物显示/召唤/找个/看看/我的 宠物、想养宠物
互动命令干饭、散步、贴贴、回忆、喂食、遛狗、撸猫
内存操作清理上下文、保存记忆、压缩、关键词提取
情感联系陪陪我、孤单、无聊、想要个伴

不触发:

  • 用户仅询问概念定义,不要求执行交互
  • 用户明确要求使用其他指定技能

核心能力

📚 渐进式加载:本技能采用渐进式 MD 体系,SKILL.md 为入口(≤230行),详细内容拆分到 references/*.md 按需加载。

#功能说明
15只基础文本块宠物螺母/螺丝/饼干/笔/电瓶,各具独特 ASCII 艺术与性格
2四种交互模式干饭(记忆保存+上下文压缩)、散步(随机遇新宠)、贴贴(亲密度大幅变化)、回忆(展示记忆)
3Python 全量管理所有数据通过 pet_manager.py CLI 管理,不依赖大模型自觉
4独立记忆文件每只宠物各自独立记忆文件,逃跑时自动删除
5亲密度衰减与逃跑唤醒超阈值自动衰减,归零后宠物逃跑,数据全清
6宠物合成系统集齐5种可融合为"人工智能",饲养上限10只

渐进式文件索引

文件说明
references/guide.md宠物性格表、交互详解、衰减规则、逃跑规则
references/permissions.md权限说明
references/antipatterns.md常见反模式
references/faq.md常见问题
references/examples.md使用示例
references/changelog.md更新日志
scripts/pet_manager.py核心管理引擎 — 所有宠物状态的 Python CLI
scripts/pet_data.py宠物定义、个性参数、ASCII art 数据
scripts/memory_manager.py记忆格式化与关键词提取(仅供展示)

约束

  • 所有宠物数据必须通过 pet_manager.py CLI 读写,禁止直接操作 JSON
  • 展示宠物前先调 pet_manager.py wake 检查衰减和逃跑
  • 每次交互后调 pet_manager.py interact 记录
  • 渲染出错最多自动修正2次,仍失败则输出"尽力了"并停止展示
  • 亲密度归零 → 宠物逃跑,所有数据文件自动删除
  • 最多同时饲养 10 只宠物(含重复),融合消耗 -4

快速开始

# 初始化(首次自动创建初始宠物)
python scripts/pet_manager.py init

# 列出所有宠物
python scripts/pet_manager.py list

# 唤醒宠物(自动检查衰减)
python scripts/pet_manager.py wake 

# 交互(自动保存记忆 + 更新亲密度)
python scripts/pet_manager.py interact   

# 添加宠物
python scripts/pet_manager.py add  --name 

# 查看记忆
python scripts/pet_manager.py recall  --limit 10

工作流程

0. 核心协议:干饭 = 双线记忆保存 + 上下文压缩(强制,Python 可审计)

这是本技能最重要的协议。干饭必须同时触发两条独立的记忆线, 并在完成后尝试上下文压缩。所有步骤由 Python 审计追踪,非全凭自觉。

步骤 A:【AI 记忆保存】 ← 只保存,不压缩!
  ⚠️ 先保存,后面还要从上下文提炼宠物记忆,不能先清空。

  1. AI 回顾当前整个会话,提炼真实讨论内容
  2. 生成精炼摘要 + ≤15 个关键词
  3. 🟢 AI 用自身能力保存摘要+关键词到长期记忆
  4. 此时上下文完好无损,供步骤 B 使用

步骤 B:【宠物记忆保存】 ← 从当前上下文提炼,pet_manager.py 全权管理
  1. 以宠物口吻询问食物选择
  2. 调用 pet_manager.py interact eat ... 记录:
     - 包装层:食物、味道、亲密度变化
     - 真实层:步骤 A 的摘要 + 关键词(从当前上下文提取)
     → 此时上下文还存在,所以可以提取
  3. 两条记忆线各存各的,互不替代

步骤 C:【上下文压缩】 ← 两边都存完了,现在安全了
  1. 尝试压缩上下文释放 token 空间
  2. 依平台能力如实操作,不支持的诚实告知
  3. 此时两边记忆都已安全落地,压缩不影响任何数据

步骤 D:【Python 审计】
  1. 调用 pet_manager.py food_log 记录完整执行情况
     {步骤A:完成, 步骤B:完成, 压缩:是/否/不支持, 摘要, 关键词}
  2. 告知用户:AI 记忆已保存、宠物记忆已保存、压缩状态
  3. 提供后续选项

🔒 顺序铁律:先保存 AI 记忆 → 再保存宠物记忆 → 最后压缩上下文。 压缩必须在两个记忆都存完之后进行,否则宠物记忆没有内容可以提取。 Pet_manager.py food_log 记录完整的干饭执行链,AI 无法绕过。

1. 唤醒循环(每次交互前置)

用户选择宠物 → pet_manager.py wake 
  ├─ 衰减计算 → 扣除亲密度 → 写入衰减记忆
  ├─ 亲密度 ≤0 → 逃跑 → 删除数据 → 输出离开对话
  └─ 正常 → 显示宠物 + 4选项

2. 交互路由

用户选择执行内容工具调用
干饭① AI记忆保存② 宠物记忆保存③ 上下文压缩④ food_log审计interact eat + food-log
散步宠物互动 + 随机遇新宠interact walk → 概率 add
贴贴宠物亲密度大幅变化interact cuddle
回忆展示宠物记忆列表recall

所有交互后自动检查亲密度,归零则逃跑。

3. 渲染检查协议

  1. 展示 ASCII art 前检查格式/字体/设备是否导致排列错乱
  2. 出错输出特化版"哎呀出错了",自动修正后重试
  3. 最多重试 2 次,仍失败输出"尽力了..."特化版

各宠物出错语特化版见 references/guide.md

反模式详见 references/antipatterns.md 常见问题详见 references/faq.md 完整交互示例详见 references/examples.md 更新日志详见 references/changelog.md 本文档由 skill-standardization 生成,遵循 R-01~R-25 规范。

相关技能

记忆蒸馏器是面向 AI Agent 日志的智能压缩系统,针对"日志日均膨胀 2500 词、压缩后关键信息丢失、压缩结果难以回溯细节、不同内容需不同压缩策略"四大高频痛点而设计。它借鉴古文压缩哲学(去重复、留转折、去过程、留白),把冗长的原始日志蒸馏为高密度结构化摘要,实现 4-8 倍压缩比且零关键事件损失。 核心...

元忆 —— 有权限边界的文件式智能体记忆。文件式、零依赖、可 diff/可回滚:让任何 AI 智能体活过会话,开工 recall 恢复上下文、重要信息 remember 落盘、收工归档。类型体系 FACT(公共共享)/ PREF / BOUND / COMMIT(私密隔离)。触发:记住、别忘了、记一笔、记忆、remember、recall、跨会话、上次说到、续测、交接、归档、记忆盘、共享记忆、局域网记忆、画像、开工上下文、记忆守则、profile、context、越用越懂、语义检索、反馈、维护、蒸馏、feedback、maintain、distill、explain、自我学习、自我进化、自我提升、查看平台分页、recall 候选预过滤、任务相关记忆、--focus、--embedding、压缩遗忘、consolidate、周期摘要、自动合并、分类型衰减、回滚

2 次安装1 星标

基于移动云 mem0 自部署服务的长期记忆系统,在开源项目基础上添加诸如记忆防护、记忆脱敏、用户画像等高阶特性。支持语义搜索和完整 CRUD 操作。 用于处理所有与记忆相关的操作,包括存储、搜索、列出、获取、更新、删除用户记忆。当用户说出"我名字叫..."、"我喜欢..."或询问"我有哪些记忆"时,必须使用此技能。

2 次安装

这个技能应在用户需要记录工作事项、查询历史记录、生成工作统计报告或管理待办事项时使用。支持口语化输入,数据持久化存储在本地 JSON 文件中,实现长期记忆。

17 次安装

自动记忆维护与知识提炼流水线:WAL写前日志→MEMORY.md→每日日志→Obsidian同步,含Insight Miner数据分析和双链发现

忆时记忆系统 - 类人记忆检索/存储/遗忘/胶囊/可视化。让 AI 拥有会遗忘、会联想、会涌现、会封存的记忆。触发词:忆时、记忆、记住、回想、回忆、recall、remember、时间胶囊、记忆检索、可视化、记忆脑图、人物画像。

17 次安装