light-memory-pm

Solid

上下文管理、记忆持久化与科研项目管理。当任务涉及长期项目、需要记住项目背景/进展/版本/偏好,或需要把项目拆成阶段任务时使用(常驻)。持续记住研究方向、已定 idea、数据、实验进度、论文/PPT/图表/代码版本、投稿记录、用户偏好、目标期刊。把项目拆成阶段任务并建立任务清单、时间线、里程碑、风险清单与版本记录。

AI & Automation 77 stars 17 forks Updated today MIT

Install

View on GitHub

Quality Score: 88/100

Stars 20%
63
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# 上下文管理、记忆持久化与科研项目管理 ## Hermes 会话链恢复 当用户说新窗口/昨天对话找不到、恢复后消息太少、或要求把长任务恢复到某个工作区时,不要只看最近一条 session 或默认列表;应检查 Hermes `state.db` 的 `parent_session_id`、`archived`、`cwd` 与消息计数,恢复完整压缩主链和相关子会话。具体可复用流程见 `references/hermes_session_lineage_recovery.md`。 ## 持久化(用 Light 记忆系统 + 项目库 db09) - 跨会话事实写入记忆文件(user/feedback/project/reference),并在 MEMORY.md 加索引行。其中 **feedback 记忆槽的「跨项目过程教训」部分结构化落地为 db09 顶层 `lessons.md`**(与 `projects/` 平级,格式见下);feedback 记忆文件本身仍存个人偏好类反馈。 - 项目级状态写入 db09 的 project_card:`project_name, goal, current_stage, confirmed_idea, data_status, method_status, experiment_status, paper_status, ppt_status, code_status, risk_list, next_actions, decision_log, version_history`。 - 相对日期一律转绝对日期再存。 - **两层记忆模型**(借 LangGraph checkpointer/Store 与 mem0 的作用域设计):会话级状态(≈thread_id,短期、随会话压缩可丢)与项目级状态(≈跨会话的 Store/db09,长期、按"项目"namespace 持久)分开管理。关键事实即使能被自动抽取也要显式写入——自动记忆(mem0 式 LLM 抽取)会漏记,db09 是权威来源。 ## 记忆写入机制(招牌功能,硬性定义) 四类记忆文件**存哪、什么格式、何时写、何时读**,照此执行,不得省略。 ### 存哪(落盘路径) 全部存到 db09,每个项目一个独立目录(相对本技能目录为 `../../databases/db09-projects/projects/<project_name>/`): ``` databases/db09-projects/projects/<project_name>/ ├── project_card.md 项目卡:14 字段总览(next_actions 在此) ├── terminology.md 术语/指标/创新点统一定义表(供 a07) ├── decision_log.md 重大决策时间线 └── version_history.md 论文/PPT/图表/代码各版本记录 (可选子目录 literature/ reviews/ submissions/ 见 db09 README) ``` `<project_name>` 用短横线英文 slug(如 `dairygoat-detect-track`)。已存在实例可直接参考:`projects/dairygoat-detect-track/`(3 个文件齐全,version_history.md 待该项目首次出版本时补建)。 ### 什么格式(四文件确切结构...

Details

Author
Light0305
Repository
Light0305/Light-skills
Created
5 days ago
Last Updated
today
Language
Python
License
MIT

Integrates with

Similar Skills

Semantically similar based on skill content — not just same category