read-memories

read-memories 技能概览

read-memories 的作用

read-memories 是一个 Claude Code 技能，用来检索之前的会话日志，帮助你找回已做过的决策、重复出现的模式、未收尾的事项，以及用户曾经纠正过的内容。它最适合处理这类问题：有人问“你还记得吗”“我们当时怎么决定的”，或者一个新任务明显依赖于前面的上下文。如果你是在 Workflow Automation 场景下使用 read-memories 技能，可以把它理解为一个检索步骤：它把旧聊天记录转成可直接使用的工作上下文。

适合谁安装

如果你会跨多个 Claude Code 会话工作、维护持续推进的项目，或者经常回头处理未完成的任务，就应该安装 read-memories。它特别适合需要延续性而不是全新灵感的 agent 和重度用户。如果你的任务大多是彼此独立、一次性完成、且不依赖前文对话，那它的价值就没那么大。

它和普通记忆提示有什么不同

它的关键区别在于：这个技能不是泛泛而谈的“记忆提示”，而是一套具体的日志搜索工作流，包含静默查询步骤和后续的综合整理步骤。也就是说，它的核心价值不是抽象意义上的“记住”，而是快速在本地会话文件里找到证据，并在不把原始日志暴露给用户的前提下加以利用。

如何使用 read-memories 技能

正确安装并限定作用范围

通过 read-memories install 流程把这个技能加入你的 Claude Code 配置，然后只把它保留在确实存在本地会话日志的环境中。这个技能默认需要 Bash 以及标准的 Claude Code 项目日志结构。如果你打算把 read-memories 用在 Workflow Automation 里，务必确保运行环境能读取它要查询的日志路径。

从合适的输入开始

这个技能在你提供一个具体关键词或主题时效果最好，这个词最好很可能出现在之前的日志里，比如功能名、工单 ID、客户名称或某个决策短语。像“检查记忆”这种模糊请求太宽泛了。更好的提示会像这样：Use read-memories to find prior decisions about the DuckDB export flow and summarize any unresolved issues. 这样能给技能一个清晰的搜索目标和输出目标。

这个技能实际会运行什么

仓库里的工作流很简单：先用 DuckDB 查询会话日志，再在回复前把结果内化整理。read-memories usage 的模式是围绕搜索 $HOME/.claude/projects/ 下的 JSONL 文件构建的，也可以通过 --here 把搜索限制在当前项目中。如果你要改造这个技能，先读 SKILL.md，再查看精确的搜索路径逻辑以及结果处理的双步骤方式。

能明显提升效果的技巧

使用明确的关键词，不要用空泛概念。如果同一个词在很多地方都出现，就补充项目上下文。当第一次搜索噪音太多时，缩小到更具体的项目范围或短语。如果输出要服务于当前任务，就告诉技能你最关心哪类记忆：决策、TODO、用户偏好，还是之前犯过的错误。这样它在日志里提取的内容会更有针对性。

read-memories 技能 FAQ

read-memories 只适用于 Claude Code 吗？

它是围绕 Claude Code 的会话日志和仓库中展示的本地项目结构设计的。因此它非常适合这个生态，但并不是通用的记忆工具。如果你的工作流没有把对话存到预期的 JSONL 路径里，这个技能就不太匹配。

它和普通提示有什么区别？

普通提示是让模型自行推断上下文；read-memories 则是先做真实的日志搜索，再对证据进行总结。这意味着它更适合那些正确性依赖于历史决策的场景，而不是你只是想要一个全新的答案。read-memories guide 因此更偏向检索，而不是通用推理。

对新手友好吗？

友好，前提是你能说清楚自己要找回什么。难点不在于使用 Bash，而在于选出一个很可能出现在历史会话里的关键词。如果不确定，先用项目名加任务标签开始，再根据第一次搜索的结果继续缩小范围。

什么时候不该用它？

当本地没有相关日志、话题确实是全新的，或者请求依赖的是外部事实而不是历史会话时，就不要用 read-memories。这种情况下，常规的调研或写作工作流更快，也更干净。

如何改进 read-memories 技能

给它更好的搜索词

影响效果最大的因素就是关键词。不要只用一个宽泛名词，而要用在原始讨论里更可能被重复提到的名称、短语或标识符。比如，“refund policy” 就不如 “Q4 refund exception” 或一个工单号有用。输入越好，召回越准，日志噪音也越少。

让它提取你真正需要的那类记忆

在 read-memories usage 里要明确你想要的输出：是决策、未解决问题、偏好、阻塞点，还是下一步动作。如果你只说“给我上下文”，结果往往会过于发散；如果你要求“找出最后一次达成一致的 API contract 以及所有反对意见”，技能就能更聪明地筛选内容。

留意常见失败模式

最常见的问题是搜索范围过大、日志命中重复，以及过度相信某一条旧会话。一个靠谱的 read-memories 技能评估应该检查：检索到的上下文是否仍然有效，以及后续会话是否已经推翻了它。如果第一次结果显得过时，就缩小项目范围，或者改用更新的关键词重新跑一遍。

在第一次结果后继续迭代

先用第一次检索找出更好的术语，再在需要时用这些术语重新搜索。这个方法在主题随着时间演变、而初始查询只能找到最早提及时尤其有用。对于 read-memories for Workflow Automation 来说，最佳实践是把第一次搜索当作发现阶段，然后在自动化工作流真正依赖这段记忆之前先进一步收敛搜索。