（1174期）local-memory-skill – 本地文件驱动的 AI 记忆系统

本地文件驱动的 AI 记忆系统 为 AI 代理提供基于本地文件的跨会话持久化记忆系统，无需外部依赖即可存储用户画像、行为反馈和项目上下文。 使用说明 核心用法 Agent Local Memory 是一套零外部依赖的本地文件记忆系统，专为 Claude Code、OpenClaw 等 AI 代理设计。它通过标准化的 Markdown 文件格式，在 ~/.claude/memory/ 等路径下持久化存储四类关键信息：用户画像（user）、行为反馈（feedback）、项目上下文（project）和外部资源引用（reference）。 系统以 MEMORY.md 作为索引中枢，存储内存文件的链接与摘要，而非完整内容。每次对话启动时自动检测并加载相关记忆；上下文接近极限时主动归档重要信息，确保会话无缝续接。 显著优点 完全本地化：无网络调用、无 API 密钥、无外部服务依赖 结构化存储：YAML frontmatter + Markdown 内容，人类可读、版本控制友好 优先级机制：feedback 类型记忆具有最高权重，强制约束未来行为 自维护设计：索引超过 200 行时自动修剪合并，避免膨胀 潜在缺点与局限性 单用户限制：基于本地文件系统，无法跨设备或多用户同步 无加密保护：明文存储，不适合写入敏感信息（设计上明确禁止存储凭证） 路径依赖：需严格遵循平台特定的目录约定 无冲突解决：多实例同时写入可能导致文件竞争 适合人群 长期使用 Claude Code / OpenClaw 进行复杂项目开发的个人开发者 需要代理记住技术栈偏好、沟通风格的团队 希望减少重复说明成本的高级用户 常规风险 敏感数据误存：尽管规则禁止，用户侧仍可能误将密钥写入记忆文件 记忆污染：错误的 feedback 或 project 记忆可能长期扭曲代理行为 路径权限问题：若主目录权限异常，可能导致静默写入失败 跨平台差异：Windows/Linux/macOS 路径处理可能存在边缘 case 原始说明 Persistent local memory system for AI agents across conversations — file-based, zero external dependencies. Trigger when: (1) user asks to "remember" somethi...