# P5 Memory System

> AI Native 记忆系统设计 Skill

- Skill: `gabrielmoreira/p5-memory-system` (Agent Skill)
- Install (CLI): `npx skillmds@latest add gabrielmoreira/p5-memory-system`
- Raw SKILL.md: https://api.skillmd.com/api/skills/gabrielmoreira/p5-memory-system/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: gabrielmoreira (https://skillmd.com/u/gabrielmoreira)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/gabrielmoreira/p5-memory-system

---



# AI Native 记忆系统设计 Skill

## 使用场景

- 产品需要让 AI 记住用户偏好、历史交互和过往案例
- 需要设计短期记忆、长期记忆和案例记忆的存储策略
- 需要避免记忆系统从"能力复利"变成"错误复利"

## 核心概念

- **记忆系统（Memory）**：系统对用户、任务、案例和过程状态的持续性保留机制
- **短期记忆**：围绕当前任务或近期会话保留的临时状态
- **长期记忆**：可跨会话、跨任务复用的稳定背景、偏好、案例或经验
- **案例记忆**：对成功样本、失败样本和人工修正的结构化沉淀

## 记忆系统的三类价值

- **帮助实验更贴近真实场景**：实验可以使用历史任务数据
- **帮助系统构建更稳定**：流程状态、案例库和用户上下文可以被复用
- **帮助生产运行形成复利**：系统随着使用积累越来越多的有效材料

## 记忆系统流程

```
真实事件
  → 记忆分类
    → 权限与时效判断
      → 存储与索引
        → 后续任务检索使用
          → 人工修正与再沉淀
```

如果没有分类、权限和时效判断，记忆系统很容易从"能力复利"变成"错误复利"。

## 记忆的三种类型

### 1. 用户记忆

- 用户偏好、历史选择、长期背景
- 例如：客服偏好某种解释风格、用户常见问题类型

### 2. 任务记忆

- 当前流程状态、中间结论、执行历史
- 例如：当前会话中已提供的订单号、投诉点、已做过的解释

### 3. 案例记忆

- 过去成功案例、失败案例、人工修正与经验模板
- 例如："这类物流异常最后是如何解释并安抚用户的"

三类记忆的保存方式、更新方式和使用方式都不一样。把它们混成一种"通用记忆"，最后往往会让系统既难解释，又难治理。

## 记忆系统与数据循环

```
Usage
  → Data
    → 记忆系统
      → Better Capability
        → Better Product
```

记忆系统的本质不是"存储更多"，而是"把使用转化为可再次使用的经验"。

## 记忆系统在三个阶段的角色

### 试验展开阶段

- 使用历史任务数据做实验
- 沉淀失败样本作为评估输入

### 系统构建阶段

- 流程状态、案例库和用户上下文被复用
- 记忆系统成为连接实验、工程和生产的公共底座

### 生产运行阶段

- 系统随着使用积累越来越多有效材料
- 形成数据循环和能力复利

## 什么记忆值得保留，什么不该保留

### 值得保留

- 高质量的人工修正结果
- 反复出现的成功模式
- 用户明确表达的偏好
- 经过验证的业务规则和案例

### 不该保留

- 未经验证的模型输出
- 含有敏感信息的原始对话
- 已经过时的业务规则
- 明显错误的案例（除非作为反例特意保留）

## 记忆系统设计原则

1. **分类存储**：用户记忆、任务记忆、案例记忆分开存储
2. **权限控制**：不同角色只能访问其权限范围内的记忆
3. **时效管理**：记忆有有效期，过期资料自动降级或清理
4. **人工审核**：重要记忆的沉淀应该经过人工确认
5. **可解释性**：系统能说清楚"为什么使用这条记忆"

## 输出物：记忆系统方案

1. **记忆分类架构**：用户记忆 / 任务记忆 / 案例记忆的分类和存储策略
2. **权限与时效策略**：谁能访问什么记忆、记忆保留多久
3. **存储与索引方案**：如何存储、如何索引、如何检索
4. **人工修正流程**：如何收集人工修正、如何审核、如何沉淀
5. **记忆质量评估**：如何判断记忆是否在提升产品能力

## 使用方式

当用户提供产品场景时，自动执行：

1. 分析场景需要哪些类型的记忆
2. 设计记忆分类架构
3. 制定权限与时效策略
4. 设计存储与索引方案
5. 设计人工修正与再沉淀流程
6. 设计记忆质量评估机制
7. 输出记忆系统方案

## 示例

### 示例：AI 客服记忆系统设计

**场景描述**：
AI 客服系统需要记住用户偏好、会话历史、成功案例，并支持多轮对话上下文。

**用户输入**：
"我们的 AI 客服经常忘记用户之前说过什么，每次都要重复问订单号，体验很差"

**Skill 执行流程**：

1. **记忆需求分析**

| 痛点 | 需要的记忆类型 | 优先级 |
|------|---------------|--------|
| 重复询问订单号 | 任务记忆（当前会话上下文） | P0 |
| 不了解用户历史 | 用户记忆（长期偏好、常见问题） | P1 |
| 同样的错误重复犯 | 案例记忆（失败案例+修正） | P1 |
| 无法连续对话 | 短期记忆（多轮状态） | P0 |

2. **记忆分类设计**

```yaml
记忆分类架构:
  
  短期记忆（Session-level）:
    - 当前会话的订单号、问题类型
    - 已提供的解释、用户的反馈
    - 生命周期: 会话结束后保留24小时
    - 存储: Redis
    
  用户记忆（User-level）:
    - 用户偏好: 解释详细程度、沟通风格
    - 历史问题模式: 常见咨询类型
    - 生命周期: 永久保留，可更新
    - 存储: SQL + 向量数据库
    
  案例记忆（Case-level）:
    - 成功案例: 有效的解释话术和解决方案
    - 失败案例: 被投诉/升级的对话及原因
    - 人工修正: 客服主管的改写样本
    - 生命周期: 通过审核后永久保留
    - 存储: 向量数据库（可检索）
```

3. **权限与时效策略**

| 记忆类型 | 可见范围 | 保留周期 | 清理策略 |
|----------|----------|----------|----------|
| 短期记忆 | 当前会话 | 24小时 | 自动过期清除 |
| 用户偏好 | 该用户所有会话 | 永久 | 用户可删除 |
| 案例记忆 | 全局可检索 | 永久 | 人工审核后删除 |
| 原始对话 | 审计人员 | 30天 | 自动匿名化 |

4. **存储与索引方案**

```yaml
存储架构:
  
  会话状态（Redis）:
    key: "session:{session_id}"
    value: 
      order_id: "12345"
      issue_type: "物流延迟"
      explained: ["预计送达时间", "延迟原因"]
      user_feedback: "不满意"
    ttl: 86400
  
  用户画像（PostgreSQL）:
    user_id: "U123"
    preferences:
      detail_level: "简洁"
      preferred_style: "直接"
    common_issues: ["物流咨询", "退换货"]
    updated_at: "2024-01-15"
  
  案例库（向量DB）:
    - 成功案例向量化存储
    - 支持语义相似度检索
    - 关联: 问题类型 + 解决方案 + 满意度评分
```

5. **人工修正与再沉淀流程**

```
客服人员修改AI回复
  → 标记修正原因（不准确/不完整/风格不合适）
    → 提交审核（主管审批）
      → 通过后进入案例库
        → 定期用作模型微调样本
```

**输出结果**：

```yaml
# 记忆系统方案：AI 客服

记忆分类:
  类型1_短期记忆:
    用途: 维持当前会话的连贯性
    内容: [订单号, 问题类型, 已解释内容, 用户情绪状态]
    存储: Redis Cluster
    TTL: 24h
    
  类型2_用户记忆:
    用途: 个性化服务
    内容: [沟通偏好, 常见需求, 历史满意度]
    存储: PostgreSQL
    更新: 每次会话后自动更新
    
  类型3_案例记忆:
    用途: 经验复用
    内容: [问题向量, 解决方案, 满意度, 标签]
    存储: Pinecone + S3
    入库: 人工审核后
    检索: 相似度 > 0.85

权限矩阵:
  客服专员: 查看当前会话记忆
  客服主管: 查看所有记忆 + 修正案例
  系统: 全局检索案例记忆
  用户: 查看/删除自己的偏好记忆

质量评估:
  指标1: 重复询问率 < 5%
  指标2: 案例采纳率 > 60%
  指标3: 修正样本质量评分 > 4.0/5.0

风险防控:
  - 敏感信息（手机号/地址）不进入记忆
  - 用户可随时删除自己的偏好数据
  - 案例库定期人工审核，移除过时样本
```