（1214期）memory-search – AI 长期记忆语义检索助手

AI 长期记忆语义检索助手 Claude Code 生态记忆检索指南，通过语义向量搜索精准召回历史对话与项目上下文，实现个性化连续协作与知识管理。 使用说明 核心用法 Memory Search 是一项专为 Claude Code 环境设计的记忆检索技能，提供 memorysearch 和 memoryget 两个核心工具。memorysearch 支持基于语义的向量搜索，用户可通过自然语言查询（如"我在做什么项目"、"代码风格偏好"）在 MEMORY.md、memory/*.md 及会话记录中检索相关信息，支持 maxResults 和 minScore 参数控制返回数量与相关性阈值。memoryget 则用于精准读取指定记忆文件的特定行范围，常在搜索后用于获取更多上下文。标准使用流程为：接收涉及历史上下文的问题 → 执行 memorysearch → 评估结果相关性 → 必要时调用 memoryget 扩展上下文 → 基于检索结果回答并标注来源。 显著优点 该技能最大优势在于其语义理解能力，不同于关键词匹配，它能理解"截止日期"与"due soon"的语义关联。其次，智能边界管理清晰定义了使用场景（涉及个人偏好、项目历史、承诺事项时必须搜索）与禁用场景（纯事实性问题无需搜索），有效避免过度检索。此外，透明溯源机制要求助手明确告知用户是否已检查记忆，避免"幻觉"猜测。与 Claude Code 的深度集成使其能自动索引记忆文件，无需手动维护索引，且支持基于相关性的智能排序（score 机制）。 潜在缺点与局限性 首要限制是环境依赖性——该技能仅为使用文档，必须依赖支持 memory 工具的 Claude Code 宿主环境，无法独立运行。其次，数据前置要求意味着若用户未主动维护 MEMORY.md 或记忆文件，检索将返回空结果。作为 T3 级社区项目（openclaw/skills），其维护持续性存在不确定性，且缺乏企业级 SLA 保障。此外，语义搜索的阈值调优需要经验，默认的 minScore 可能无法平衡召回率与精确度，而过度依赖历史上下文可能导致当前对话窗口的上下文稀释。 适合的目标群体 该技能最适合长期使用 Claude Code 的专业开发者与项目管理者，特别是需要跨会话维护项目状态、追踪技术决策历史、管理复杂多步骤任务的用户。对于注重对话连续性的科研工作者、需要记录客户偏好与历史沟通的客服场景、以及需要维护个人知识库的技术写作者同样适用。不适合仅需临时性、一次性问答的普通用户，或对环境安全性要求极高且无法审计社区代码的企业级敏感场景。 使用风险与注意事项 隐私风险是首要考虑：记忆文件可能包含代码片段、个人身份信息或商业机密，需确保宿主环境的文件存储符合安全合规要求。性能风险方面，频繁的向量搜索与大量记忆文件读取可能增加响应延迟，建议在必要时才调用而非每次对话都扫描。误用风险包括过度检索（在用户已提供完整上下文时仍搜索）与检索失败后的"静默猜测"——文档明确要求助手必须明确告知"已检查记忆但未找到相关信息"。最后，版本兼容性风险需注意：随着 Claude Code 迭代，memory 工具的 API 可能变化，需关注该技能的 upstream 更新。 原始说明 Search and retrieve relevant information from your indexed memory files using semantic queries and direct file reads for context.