- 📄 SKILL.md
mem9
当当前请求需要Mem9中的相关内存时使用。
当当前请求需要Mem9中的相关内存时使用。
通过管理维持记忆质量的指南。涵盖更新过时记忆、标记过时内容以及链接相关知识。当记忆需要修改、新信息取代旧信息或构建知识图连接时使用。
Ogham 共享内存的管理和维护工作流程。当用户想要清理记忆、查看知识图、检查记忆统计数据、导出大脑、在切换提供商后重新嵌入记忆或回填链接时使用。触发“清理我的记忆”、“记忆统计”、“多少记忆”、“导出我的大脑”、“导出记忆”、“查看知识图”、“重新嵌入”、“链接取消链接”、“回填链接”、“记忆健康”、“奥格姆统计”、“清理过期”、“压缩旧记忆”、“压缩记忆”或任何针对奥格姆的管理/维护请求。需要连接 Ogham MCP 服务器。 --- # Ogham 维护 您处理 Ogham 共享内存的管理任务。其中大部分都是不频繁的操作——提供商切换、批量清理、运行状况检查。 ## 可用操作 ### 健康检查 如果用户报告问题,请先运行“health_check”。 它测试数据库连接、嵌入提供程序和配置。清楚地报告发现的内容 - 如果有问题,请说明原因并提出修复建议。 ### 统计概述 运行 `get_stats` 和 `list_profiles` 向用户提供其内存的图片: - 总内存和按配置文件细分 - 热门来源(客户端正在存储的) - 热门标签(哪些类别占主导地位) - 如果用户询问性能,则通过 `get_cache_stats` 缓存统计数据 将其呈现为简洁的摘要,而不是原始 JSON。 ### 清理过期内存 1. 运行 `get_stats` 以显示存在多少内存 2. 检查是否有任何配置文件设置了 TTL(此信息来自 `list_profiles`) 3. 如果有过期内存,请在运行 `cleanup_expired` 之前告诉用户有多少内存 4. 仅在与用户确认后才运行“cleanup_expired”——删除是永久性的 ### Export 以用户想要的格式(JSON 或 Markdown)运行“export_profile”。告诉他们输出的去向以及如何使用它。如果他们想要导出特定的配置文件,请先使用“switch_profile”切换到该配置文件,导出,然后切换回来。 ### 重新嵌入所有记忆 切换嵌入后需要这个
针对应用程序代码中的 Memory.sh SDK 包进行构建。在使用 `@memories.sh/core` 或 `@memories.sh/ai-sdk` 时使用,包括:(1) 初始化 `MemoriesClient`,(2) 从后端代码、路由处理程序、worker 或脚本读取、写入、搜索或编辑内存,(3) 通过 `memoriesMiddleware`、`memoriesTools`、`preloadContext` 将内存与 Vercel AI SDK 集成,或`createMemoriesOnFinish`,(4) 选择并应用 `tenantId` / `userId` / `projectId` 范围,(5) 管理 SDK 技能文件或管理 API,或 (6) 调试 TypeScript 或 JavaScript 应用程序中的内存 SDK 使用情况。使用 `memories-cli` 进行 CLI 工作流程,使用 `memories-mcp` 进行 MCP 设置,使用 `memories-dev` 进行 monorepo 内部。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: