Memory-reme — ReMe 记忆管理

一个由 ReMe 驱动的记忆管理系统，提供跨会话持久化记忆、自动应用用户偏好以及智能上下文压缩能力。

何时使用该技能

在以下情况中启用本技能：

• 用户要求你记住某些内容（例如：“记住这个”、“别忘了”、“下次注意”）
• 用户对你的行为给出反馈（例如：“你总是忘记”、“为什么又这样”）
• 用户提及过往信息（例如：“之前说过”、“上次怎么做的”）
• 用户询问你的偏好或设置
• 用户希望避免重复犯错
• 长对话中上下文可能超出 token 限制

核心概念

三级记忆体系

1. 长期记忆（MEMORY.md）

• 存储用户偏好与规则
• 跨所有会话持久存在
• 支持手动更新或通过学习自动更新

2. 日常记忆（memory/YYYY-MM-DD.md）

• 会话摘要记录
• 重要事件与决策点
• 在会话结束时自动生成

3. 内存中上下文（In-Memory Context）

• 当前对话状态
• 接近容量限制时自动压缩
• 临时性、仅限当前会话有效

记忆类型

快速开始

安装（一次性配置）

pip install reme-ai

会话初始化

每次会话开始时均需执行：

1. 初始化 ReMe
2. 检索用户偏好
3. 将偏好应用于当前上下文

# 初始化
from reme.reme_light import ReMeLight
reme = ReMeLight(working_dir=".reme", language="zh")
await reme.start()

# 检索偏好
prefs = await reme.memory_search(
    query="用户偏好 文件发送",
    max_results=5
)

# 应用
if prefs and "必须发送" in prefs[0]['content']:
    auto_send_files = True

工作流程

阶段 1：会话启动（0–5 秒）

┌─────────────────────────────────┐
│  1. 初始化 ReMe                │
│  2. 加载 MEMORY.md             │
│  3. 检索用户偏好               │
│  4. 应用于当前上下文           │
└─────────────────────────────────┘

操作命令：

python3 C:pathtomemory-remescriptsinit_reme.py

预期输出：

✓ ReMe initialized
📖 Retrieved 3 preferences
  - User prefers concise code
  - Files must be sent automatically
  - Prefer markdown over plain text
✓ Preferences applied

阶段 2：会话进行中

执行动作前须检查：

1. 生成文件前：

   • 检索文件处理相关偏好
   • 应用格式化偏好设置

2. 调用工具前：

   • 检索特定工具的偏好设置
   • 应用超时/重试等参数

3. 接收用户反馈时：

   • 提取新规则
   • 写入 MEMORY.md

示例：

用户：“你怎么总是忘记发送文件？记住，生成文件后必须直接发送！”

操作：

# 从反馈中学习
await reme.add_memory(
    memory_content="用户偏好：生成文件后必须使用message工具直接发送文件，不接受链接地址。原因：用户需要直观可见的内容。",
    user_name="阿伟",
    memory_type="personal"
)

阶段 3：会话结束

┌─────────────────────────────────┐
│  1. 提取关键事件              │
│  2. 生成摘要                   │
│  3. 写入 memory/ 目录          │
│  4. 更新 MEMORY.md             │
│  5. 清理工具运行结果           │
│  6. 关闭 ReMe                  │
└─────────────────────────────────┘

操作命令：

python3 C:pathtomemory-remescriptssave_summary.py

输出：

💾 Summary saved to memory/2026-03-06.md
✓ MEMORY.md updated
✓ Tool results cleaned
✓ ReMe closed

常见使用场景

场景 1：文件生成

触发条件：用户请求生成文件

工作流程：

1. 检查文件处理偏好
2. 按正确格式生成文件
3. 如需则自动发送
4. 若用户纠正，则学习新规则

示例：

📖 Retrieved: "Send files automatically"

User: 生成AI日报

✓ Generated: AI日报_2026-03-06.md
📤 Sending file...
✓ Sent successfully

场景 2：代码风格偏好

触发条件：用户要求编写代码

工作流程：

1. 检索代码风格偏好
2. 应用编码规范
3. 按规范格式化输出

示例：

📖 Retrieved: "Prefer concise, well-commented code"

User: 写个Python函数

✓ Applied: Concise style with docstrings

场景 3：防止重复错误

触发条件：用户纠正你的行为

工作流程：

1. 接受反馈
2. 提取规则
3. 写入记忆系统
4. 下次执行时验证是否生效

示例：

User: Why do you keep forgetting to send files?

🧠 Learning...
✓ Rule recorded: "Always send files automatically"
✓ Will apply next time

场景 4：上下文溢出

触发条件：对话长度接近 token 限制的 70%

工作流程：

1. ReMe 自动触发压缩机制
2. 将历史对话压缩为摘要
3. 保留关键信息
4. 继续后续对话

全自动处理 — 无需人工干预。

检索模式

常用检索查询语句

检索结果处理

必须执行的操作：

1. 审阅返回的记忆条目
2. 按相关性与时效性筛选
3. 将有效条目应用于当前上下文
4. 记录已应用的内容

示例：

results = await reme.memory_search(query="文件发送 偏好", max_results=3)

for i, result in enumerate(results, 1):
    print(f"{i}. {result['content']}")
    if "必须发送" in result['content']:
        self.auto_send_files = True

print(f"✓ Applied: auto_send_files = {self.auto_send_files}")

记忆文件结构

MEMORY.md

# MEMORY.md - Long-term Memory

## User Profile
- **Name**: 阿伟
- **Role**: 90后程序员、AI博主

## Preferences

### File Handling
- **Rule**: 生成文件后必须使用message工具直接发送
- **Reason**: 用户需要直观可见的内容
- **Status**: Active
- **Learned**: 2026-03-06

### Code Style
- **Rule**: 代码要简洁，有注释
- **Reason**: 便于维护和理解
- **Status**: Active
- **Learned**: 2026-03-05

## Tool Usage

### web_fetch
- **Timeout**: 30s
- **Retry**: 3 times
- **Reason**: 某些网站响应慢

### browser
- **Timeout**: 60s
- **Wait time**: 3s for page load
- **Reason**: 确保页面完全加载

memory/YYYY-MM-DD.md

# 2026-03-06 Session Summary

## Session 1 - AI News Aggregation

### User Request
"给我今天的AI资讯"

### Processing
- Scraped 8 sources
- Filtered 20+ articles
- Selected 14 items

### Output
- File: AI日报_2026-03-06.md
- Size: 3611 bytes
- Sent: ✓

### User Feedback
"你怎么总是忘记发送文件？记住，生成文件后必须直接发送！"

### Learning
✓ New rule: Auto-send files
✓ Updated MEMORY.md

---

## Session 2 - ReMe Integration

### User Request
"接入ReMe后工作流程是怎样的"

### Processing
- Analyzed ReMe documentation
- Designed workflow
- Created integration plan

### Output
- File: ReMe工作流程设计.md
- File: ReMe存在形式与影响.md
- Sent: ✓

### No User Feedback

### Learning
No new rules

最佳实践

1. 每次会话起始必须检索记忆

反面示例：

# 未加载记忆即启动
user_request = get_user_input()
process_request(user_request)

推荐做法：

# 启动前先加载记忆
reme = await init_reme()
prefs = await reme.memory_search(query="用户偏好")
apply_preferences(prefs)
user_request = get_user_input()
process_request(user_request)

2. 从每一次纠正中学习

当用户说 “你忘了 X” 时：

1. 立即确认
2. 提取明确规则
3. 写入记忆系统
4. 下一次执行时验证是否生效

示例：

User: 你总是忘记发送文件！

Me: ✓ 已记住：生成文件后必须发送文件
   正在添加到 MEMORY.md...

Next file generation:
✓ File created
📤 Auto-sending...
✓ Sent

3. 记忆记录需具体明确

反面示例：

- User prefers good code

推荐写法：

- User prefers concise, well-commented Python code
  - Use docstrings for functions
  - Maximum 3 levels of nesting
  - Prefer list comprehensions over loops

4. 定期更新记忆

每日任务：

• 审阅 memory/ 下各文件
• 合并重复条目
• 删除过时信息
• 按类别组织内容

每周任务：

• 检查是否存在失效的偏好项
• 验证工具配置准确性
• 清理旧的记忆文件

5. 高效使用语义检索

低效查询：

• "files"
• "code"
• "preferences"

高效查询：

• "文件发送 偏好 阿伟"
• "Python代码风格 简洁 注释"
• "工具设置 超时 重试"

原因： 更具体的查询可获得更高相关性的结果。

故障排查

问题：记忆未成功检索

典型现象：

• 偏好未被应用
• 重复发生同类错误
• 检索结果为空

解决方法：

1. 确认 ReMe 是否已完成初始化
2. 验证检索关键词是否与 MEMORY.md 中实际内容匹配
3. 确认 MEMORY.md 文件存在且非空
4. 尝试更宽泛的搜索词

# 调试检索
results = await reme.memory_search(query="文件")
print(f"Found {len(results)} results")
for r in results:
    print(f"  - {r['content'][:50]}...")

问题：使用了过时信息

典型现象：

• 应用了已废弃的偏好项
• 使用了已失效的工具配置

解决方法：

1. 为每条记忆添加时间戳字段
2. 按 time_created 字段倒序排序检索结果
3. 手动更新 MEMORY.md 中的过时条目
4. 对有时效性的规则考虑引入过期机制

问题：记忆文件过大

典型现象：

• MEMORY.md 文件体积 > 10KB
• 检索响应变慢
• 上下文冗余膨胀

解决方法：

1. 将旧条目归档至 memory/archive/ 目录
2. 合并相似偏好项
3. 删除冗余信息
4. 使用分类标签组织内容

与现有技能集成

与 docx 技能结合

工作流程：

1. 检索 docx 相关偏好
2. 应用格式化规则
3. 使用 docx 技能生成文档
4. 判断是否需自动发送
5. 如需则执行发送

与 coding-agent 技能结合

工作流程：

1. 检索代码编写相关偏好
2. 应用编码风格规范
3. 使用 coding-agent 生成代码
4. 检查是否存在自动 review 规则
5. 如需则执行 review

性能考量

时间开销

空间占用

.reme/
├── MEMORY.md          ~10KB
├── memory/           ~150KB (30 天)
├── tool_result/       ~5MB (自动清理)
└── .embeddings/       ~1MB

总计：~6MB（一个月）

高级功能

条件式应用

仅在相关场景下应用：

prefs = await reme.memory_search(query="文件发送")

if file_generated and prefs:
    # 应用文件处理偏好
    if "必须发送" in prefs[0]['content']:
        await send_file(file_path)

上下文感知检索

根据当前任务类型动态构造查询：

if task_type == "coding":
    query = "代码风格 Python"
elif task_type == "writing":
    query = "写作风格 简洁"
elif task_type == "file_generation":
    query = "文件发送 偏好"

记忆清理

自动清理策略：

• 工具运行结果 7 天后自动过期
• 向量缓存每周刷新一次
• 记忆文件每月归档一次

手动清理命令：

# 归档旧会话
mv memory/2026-01-*.md memory/archive/

# 压缩大文件
gzip MEMORY.md

参见

• memory-structure.md — 详细记忆架构说明
• best-practices.md — 高级实践模式
• common-prefs.md — 常见偏好示例集

总结

本技能实现持久化记忆、自动应用用户偏好及智能上下文管理。可用于：

• ✓ 防止重复犯错
• ✓ 记住用户偏好
• ✓ 维持跨会话上下文一致性
• ✓ 从用户反馈中持续学习
• ✓ 提供稳定一致的行为表现

核心原则：记忆只有在被检索并实际应用时才真正有效。务必在每次会话起始时执行记忆检索，并在整个对话过程中持续验证其应用效果。