memorize

memorize 技能概览

memorize 的作用

memorize 技能会把反思、评审意见和执行反馈转化为可长期保留的指导，并写入 CLAUDE.md。当你希望 agent 能基于过往工作持续进步，而不是把每个任务都当作彼此独立的新问题时，它尤其合适。它真正要解决的是“记忆巩固”：把哪些内容发生了变化、哪里失败了、哪些做法确实有用，提炼出来并方便后续复用。

适合谁使用

如果你在做 Skill Authoring、agent 工作流设计，或需要让经验跨越一次对话继续生效的迭代式编码，那么可以使用 memorize skill。它对已经有反思步骤、并且还需要一个干净的后续整理步骤的团队最有价值。如果你只想要一次性摘要，那它大概率流程过重，不太必要。

它有什么不同

和泛泛的“记住这个”提示词不同，memorize 是围绕 Agentic Context Engineering 以及更新一个持续演进的 playbook 来组织的。这一点很重要，因为这个 skill 的取向很明确：它会把原始笔记整理成具体、可执行的要点，而不是模糊的回顾文字。它的输出目标是提升未来 agent 的表现，而不只是保留历史记录。

如何使用 memorize 技能

安装 memorize

使用以下命令安装该技能：
npx skills add NeoLabHQ/context-engineering-kit --skill memorize

对于 memorize install 来说，关键判断是：你是否已经有一个类似 CLAUDE.md 的记忆文件，以及可供整理的反思日志。如果有，这个 skill 可以直接接入现有流程；如果没有，先建立一个轻量的反思习惯，让后续确实有值得巩固的内容。

提供合适的源材料

这个 skill 支持可选的来源指定，例如 last、某个选择、chat:<id>，或者用于预览的 --dry-run。高质量输入应该尽量具体：最近的评审记录、验证结果、失败假设、实现反馈等。像“改进记忆”这种弱输入，往往只会导出泛泛的要点，也会稀释 memorize usage 流程的价值。

从正确的文件开始读

先读 SKILL.md，弄清工作流和输出预期。然后检查会影响记忆写法的相邻仓库上下文，尤其是 README.md、AGENTS.md，以及如果存在的话 metadata.json。在这个仓库里，没有辅助脚本或资源文件夹来弥补模糊提示词，所以源片段本身的质量非常关键。

把提示词写得更好

一个好的 memorize guide 提示词应该明确说明来源、目标文件，以及你想保留下来的经验类型。例如：“用 memorize 处理上一轮反思，并把只有影响验证的决策、阻碍推进的约束，以及下次可复用的经验法则更新到 CLAUDE.md。”这比单纯要求总结要好得多，因为它告诉 skill 该保留什么、该丢弃什么，以及要写到哪里。

memorize 技能 FAQ

memorize 适合普通提示词吗？

不太适合。普通提示词可以总结一段对话，但 memorize 的设计目标是把学习结果沉淀成一个持久的 skill memory 文件。只有当输出会影响后续运行，而不仅仅是解释当前任务时，才值得用它。

memorize 适合新手吗？

适合，前提是你已经知道项目把可长期保留的指导信息放在哪里。真正的学习门槛不在语法，而在于判断哪些观察值得写进记忆里。如果拿不准，可以先做一轮反思，只整理最可重复、最稳定的经验。

什么时候不适合用 memorize？

如果没有稳定的记忆文件、任务本来就是一次性的，或者输入信号太少，不足以支撑持久化指导，那就跳过 memorize。它也不适合你需要的是广泛文档，而不是简明的操作规则。在这些场景下，直接提示词或其他文档类 skill 往往更合适。

memorize 和 Skill Authoring 配合得好吗？

可以，尤其合适。memorize for Skill Authoring 在你想保留构建技能过程中发现的提示模式、失败模式和可复用约束时特别有用。它能把临时性的调试经验转化为持久的 authoring 指南，让后续技能直接继承。

如何改进 memorize 技能

提供更有力的证据

最好的结果来自清晰的前后对照：你试了什么，发生了什么，在评审或验证之后又有什么变化。要包含精确的约束、决策点，以及你希望 memorize skill 记住的任何重复性错误。源材料越能把信号和噪声分开，skill 需要自行推断的内容就越少。

优先写可复用规则，不要写成故事

常见失败方式是把反思写成看起来很认真、但不会改变未来行为的叙述笔记。要把 skill 往简洁规则、检查清单，以及“如果 X，就 Y”的指导方向推。对 memorize usage 来说，这通常意味着保留启发式、边界条件和已验证步骤，而不是按时间顺序复述一遍经过。

在第一次更新后继续迭代

把第一次 CLAUDE.md 更新当成草稿，然后对照下一次任务的结果来检查。如果 agent 还是反复犯同样的错误，说明记忆写得太抽象，或者放错了位置。此时要重新选择源材料、收紧要点，只保留那些能明确改善下一次运行的指导。