Memory Management

memory-safety-patterns 可帮助智能体在 C、C++ 和 Rust 中应用 RAII、ownership、smart pointers 与资源清理模式。适合用于审查后端或系统代码，减少内存泄漏和悬垂指针，并为围绕 files、sockets、buffers 和 FFI 边界的更安全重构提供指导。

python-performance-optimization 以 profiling 优先的方法帮助定位运行缓慢或内存占用过高的 Python 代码，覆盖 CPU、内存、I/O 瓶颈、缓存、向量化、async 以及 benchmarking 等优化流程。

python-resource-management 可帮助智能体生成用于上下文管理器、异常安全清理、异步资源生命周期和流式处理模式的 Python 代码。适用于文件、数据库连接、socket，以及需要确定性释放资源的后端代码场景。

memory-management 通过 HOT/WARM/COLD 文件工作流，帮助 Claude 在多次会话之间持续保留项目上下文。你可以用它维护 `CLAUDE.md`、`memory/` 目录、术语表条目，以及面向审计、排名、竞品和报告的事件驱动更新，适合 SEO 或 Context Engineering 工作流。

mnemos 是一款面向任务范围记忆的技能，适合需要在压缩后仍保留持久上下文的代理。它使用带类型的 MnemoGraph 来持续保存目标和约束、压缩结果，并保留可恢复的检查点，方便从中断处继续。适用于上下文工程、调试、仓库维护和任务交接。

continual-learning 是一项面向 AI 编码代理的技能，适合需要跨会话记住有效经验的场景。它支持 hooks、双层记忆和反思机制，帮助代理复用项目规范、避免重复犯错，并随着时间推移提升 Agent Orchestration 效果。

self-improving-agent 是一个面向 Agent Orchestration 的元技能，用于记录任务结果、提炼可复用模式，并通过 memory、templates、hooks 以及可选的 PR review 来路由更新。