（9848期）Memory Tiering – AI记忆分层管理指南

AI记忆分层管理指南 纯文档型Skill，通过三级记忆架构(HOT/WARM/COLD)指导AI优化上下文管理，零代码零风险，适合长期对话场景。 使用说明 核心功能与定位 memory-tiering 是一款纯指导性文档Skill，为Claude Code等AI辅助编程工具提供三级记忆管理框架。它本身不执行任何代码操作，而是通过标准化的workflow指导用户或Agent如何组织、迁移和归档对话上下文。 三级记忆架构详解 | 层级 | 文件路径 | 存储内容 | 更新频率 | 生命周期 ||------|----------|----------|----------|----------|| 🔥 HOT | memory/hot/HOT_MEMORY.md | 当前会话上下文、活跃任务、临时凭证、即时目标 | 高频，任务完成后立即清理 | 2-3轮对话 || 🌡️ WARM | memory/warm/WARM_MEMORY.md | 用户偏好(如时区、编码风格)、核心系统清单、稳定配置 | 偏好变更时更新 | 长期但可调整 || ️ COLD | MEMORY.md | 历史决策归档、项目里程碑、提炼的经验教训 | 归档阶段批量更新 | 永久保留 | 标准Workflow (Organize-Memory) 摄取审计：读取三层记忆文件及近期日志，识别"Dead Context" 层级重分配：根据信息时效性决定迁移方向 修剪摘要：COLD层去细节化，HOT层凭证指向根文件而非裸存 验证：确保关键信息未丢失，HOT层体积适合高效上下文使用 显著优点 零安全风险：纯Markdown文档，无可执行代码、无外部调用、无依赖 架构清晰：三级模型借鉴计算机存储层级设计，符合认知习惯 隐私合规：不收集用户数据，无环境变量访问，通过GDPR/CCPA审查 触发灵活：支持手动触发("整理记忆层级")或/compact后自动执行 局限性与注意事项 | 局限 | 说明 ||------|------|| 非自动化执行 | Skill仅提供指导文档，实际记忆迁移需用户或Agent手动操作 || T3来源评级 | 个人开发者项目(sarielwang93)，非企业级背书 || 无内置验证 | 缺乏单元测试或自动化检查机制确保workflow正确执行 || 路径依赖 | 假设特定文件路径结构，与其他记忆管理工具可能不兼容 | 适合人群 长期项目开发者：需维持数月甚至数年的AI辅助对话历史 多任务切换用户：频繁在不同项目间跳转，需要快速上下文恢复 隐私敏感用户：希望避免将完整对话历史永久保留在热上下文 Claude Code重度用户：已建立MEMORY.md使用习惯的群体 风险提示 尽管本Skill本身安全(S级认证)，但实际效果取决于执行者的操作准确性。错误的层级迁移可能导致： 关键临时凭证过早进入COLD层而被遗忘 重要历史决策在摘要过程中丢失细节 过度修剪导致上下文断层 建议配合版本控制(git)管理记忆文件，以便回溯。 原始说明 Automated multi-tiered memory management (HOT, WARM, COLD). Use this skill to organize, prune, and archive context during memory operations or compactions.