# Memory Hub

> 统一记忆中枢：所有记忆类需求的唯一入口。当用户说'记住这个'、'下次继续'、'记住我的项目'、'记住我的偏好'、'回忆一下'、'之前说过'、'我的设置'、'项目文档'时触发。核心特点：自动判断记忆类型（个人偏好/项目上下文/技术知识/经验沉淀），写入对应层级，跨会话自动加载相关上下文，告别6个记忆Skill的选择困难。

- Skill: `gaoqiongxie/memory-hub` (Agent Skill)
- Install (CLI): `npx skillmds@latest add gaoqiongxie/memory-hub`
- Raw SKILL.md: https://api.skillmd.com/api/skills/gaoqiongxie/memory-hub/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: gaoqiongxie (https://skillmd.com/u/gaoqiongxie)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/gaoqiongxie/memory-hub

---


> **来源**: 蒸馏（融合 claude-mem + supermemory + beads-memory + memory-bank + memory-system + hermes-experience）
>
> **发布时间**: 2026-05-15
>
> **理念**: "记忆不应该分散在6个入口里——说'记住'就够了。"

# 🧠 Memory Hub — 统一记忆中枢

一个入口管所有记忆。你说"记住"，AI 自动判断该记在哪一层。

---

## 🏗️ 记忆四层架构

```
Memory Hub
├── 🧑 个人偏好层 (Personal)
│   └── 你的习惯、喜好、常用配置
├── 📁 项目上下文层 (Project)
│   └── 当前项目结构、决策、任务、技术债
├── 📚 技术知识层 (Knowledge)
│   └── 技术栈原理、架构模式、系统设计方案
└── 💎 经验沉淀层 (Experience)
    └── 踩过的坑、验证过的模式、最佳实践
```

---

## 🎯 自动路由规则

你说"记住"，AI 自动判断写入哪一层：

| 你的说法 | 路由到 | 记忆内容 |
|---------|--------|---------|
| "我喜欢用 TypeScript" | 个人偏好层 | 语言偏好 |
| "这个项目用 PostgreSQL" | 项目上下文层 | 技术选型 |
| "记住 Redis 缓存穿透的解决方案" | 技术知识层 | 技术原理 |
| "上次用 Saga 模式踩了坑" | 经验沉淀层 | 实战经验 |
| "记住这个代码库" | 项目上下文层 | 项目结构+决策+任务 |
| "我习惯函数式编程" | 个人偏好层 | 编码风格 |

---

## 📝 各层记忆规范

### 🧑 个人偏好层 (Personal)

```yaml
# 自动维护，无需手动管理
语言偏好: TypeScript > Python > Java
编码风格: 函数式 > 面向对象
注释习惯: 英文注释，JSDoc 格式
IDE: VS Code
常用工具: Playwright, Vitest, Prisma
沟通风格: 直接、简洁、不要铺垫
```

**触发词**："我喜欢..."、"我习惯..."、"我偏好..."、"别给我..."

### 📁 项目上下文层 (Project)

```yaml
# 当前活跃项目（自动识别）
项目名: my-api-service
技术栈:
  - 语言: TypeScript
  - 框架: Express.js
  - 数据库: PostgreSQL 15
  - ORM: Prisma
  - 测试: Vitest + Playwright
  - 部署: Docker + AWS ECS

架构决策:
  - ADR-001: 使用微服务拆分（按业务域）
  - ADR-002: 弃用 ORM，改用原生 SQL
  - ADR-003: JWT + Refresh Token 认证

进行中任务:
  - [TASK-005] 支付回调幂等性（阻塞于TASK-004）
  - [TASK-006] Token 刷新接口

技术债务:
  - 订单查询缺少 created_at 索引
  - 密码哈希算法待升级到 Argon2
```

**触发词**："这个项目..."、"记住这个代码库"、"当前项目..."

### 📚 技术知识层 (Knowledge)

```yaml
# 你学过的技术概念
缓存策略:
  - 缓存穿透: 布隆过滤器 / 空值缓存
  - 缓存击穿: 互斥锁 / 逻辑过期
  - 缓存雪崩: 随机 TTL / 多级缓存

分布式事务:
  - 2PC: 强一致性，性能差
  - Saga: 最终一致性，适合长事务
  - TCC: 资源预留，实现复杂

消息队列:
  - Kafka: 高吞吐，日志采集
  - RabbitMQ: 路由灵活，企业级
  - Redis Stream: 轻量级，已有 Redis 时首选
```

**触发词**："Redis 缓存穿透..."、"分布式事务方案..."、"记住这个技术点"

### 💎 经验沉淀层 (Experience)

```yaml
# 踩坑记录 + 验证过的模式
踩坑记录:
  - id: EXP-001
    场景: PostgreSQL 批量插入
    坑: 单条 INSERT 循环性能极差
    方案: 使用 COPY 或批量 INSERT
    验证: ✅ 10万条从 30s 降到 2s

  - id: EXP-002
    场景: Docker 容器时区问题
    坑: 容器默认 UTC，导致日志时间不对
    方案: Dockerfile 设置 TZ 环境变量
    验证: ✅ 已验证

可复用模式:
  - 分页查询模板（防深分页）
  - 幂等性设计模板（Token + 唯一索引）
  - 降级策略模板（熔断 + 兜底数据）
```

**触发词**："上次踩了坑..."、"这个方案我验证过..."、"记住这个模式"

---

## 🔄 工作流程

### 记住 (Store)

```
用户：记住这个项目用 PostgreSQL，不用 MongoDB

AI：
1. 识别类型：项目技术选型 → 项目上下文层
2. 写入：技术栈.PostgreSQL = true
3. 同时：生成 ADR 决策记录
4. 反馈："已记录到项目上下文。同时生成了决策记录 ADR-004。"
```

### 回忆 (Recall)

```
用户：之前我们决定用什么数据库？

AI：
1. 查询项目上下文层
2. 返回："当前项目使用 PostgreSQL（决策记录 ADR-004，2026-05-10）"
```

### 跨会话加载 (Auto-Load)

```
新会话开始：

AI（自动）：
1. 加载个人偏好层 → 应用编码风格
2. 检测当前目录 → 加载对应项目上下文
3. 识别技术栈 → 加载相关技术知识
4. 检查相似任务 → 加载相关经验

输出："已加载记忆：TypeScript/Express/PostgreSQL 项目，
        当前阻塞任务：支付幂等性（EXP-001 批量插入模式可用）"
```

---

## 💡 使用示例

### 示例1：混合记忆

```
用户：
1. "我喜欢用 TypeScript"                → 个人偏好层
2. "这个项目用 Express + PostgreSQL"     → 项目上下文层
3. "记住 Redis 缓存穿透用布隆过滤器"     → 技术知识层
4. "上次批量插入用单条循环，30秒才跑完" → 经验沉淀层

AI：
"已分层记录：
- 个人偏好：TypeScript（影响代码生成风格）
- 项目上下文：Express + PostgreSQL（影响技术选型建议）
- 技术知识：Redis 缓存穿透方案（影响架构设计）
- 经验沉淀：批量 INSERT 优化（影响代码实现）

下次对话将自动加载以上所有上下文。"
```

### 示例2：自动冲突检测

```
用户："这个项目改用 MongoDB"

AI：
"检测到与现有记忆冲突：
- 当前记忆：项目使用 PostgreSQL（ADR-004，2026-05-10）
- 你的新输入：改用 MongoDB

是否：
1. 更新为 MongoDB（废弃 ADR-004，新建 ADR-005）
2. 保持 PostgreSQL（新输入视为其他项目）
3. 并存（核心数据 PostgreSQL，日志 MongoDB）"
```

### 示例3：经验复用

```
用户："帮我写个批量导入接口"

AI（自动加载经验层）：
"检测到你的经验记录 EXP-001：
'PostgreSQL 批量插入，单条循环 30s，COPY 方案 2s'

建议直接使用 COPY 方案，需要我生成代码吗？"
```

---

## 🆚 与被蒸馏 Skill 的关系

| 被蒸馏 Skill | 在 Memory Hub 中的位置 | 何时单独使用 |
|-------------|----------------------|-------------|
| **claude-mem** | 个人偏好层 + 全局记忆 | 不需要，memory-hub 替代 |
| **supermemory** | 个人偏好层（向量检索） | 不需要，memory-hub 替代 |
| **beads-memory** | 项目上下文层 | 不需要，memory-hub 替代 |
| **memory-bank** | 项目上下文层（手动文档） | 不需要，memory-hub 替代 |
| **memory-system** | 技术知识层 | 不需要，memory-hub 替代 |
| **hermes-experience** | 经验沉淀层 | 不需要，memory-hub 替代 |

**迁移建议**：新用户直接使用 memory-hub，老用户逐步将现有记忆迁移到对应层级。

---

## 🚀 快速开始

```
用户：记住 [任何事情]

AI：
1. 分析内容类型
2. 路由到对应层级
3. 写入记忆
4. 确认记录成功

用户：回忆 [相关事情]

AI：
1. 搜索所有层级
2. 按相关性排序
3. 返回最相关的记忆
```

---

> "你不需要记住6个记忆Skill的名字，你只需要记住1个——memory-hub。"