从记忆到技能：memsearch如何把你的重复工作流蒸馏成可安装的Agent Skill（程序性记忆）

从记忆到技能：memsearch如何把你的重复工作流蒸馏成可安装的Agent Skill（程序性记忆）

【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch

memsearch（MemSearch）是一个为 Claude Code、Codex、DSH 等 AI Agent 提供的跨平台持久记忆层，以 Markdown + Milvus 为底座。除了记住"发生过什么"，它还能更进一步：把你反复执行的工作流自动蒸馏成一份可安装的 Agent Skill——这就是它的第三层记忆：程序性记忆（Procedural Memory）。你不需要敲任何命令，用一句自然语言就能让 Agent 把"刚才做的事"变成一份可复用的技能。

🧠 什么是程序性记忆：Agent 记忆的第 3 层

大多数记忆系统只回答两个问题：发生了什么、什么是对的。MemSearch 把记忆分成三层，程序性记忆正是缺失的第三块拼图：

一个 skill 就是一个标准的SKILL.md文件——一段简短、可复用的操作流程：如何启动应用、如何部署、如何排查某一类错误。它最巧妙的地方不在于文件格式，而在于来源：它来自你自己的记忆。一个你反复重复的工作流，本身就是你已有的程序性知识——MemSearch 只是让它变得显式、可复用，并能在多个 Agent 之间自由迁移。

详见官方文档 Skills from Memory。

⚙️ 三步蒸馏流程：日志 → 候选 → 安装

整个流程可以概括为三个阶段：0 日志 → 1 候选 → 2 安装。

1. 记忆日志（0）：插件自动把每次对话总结成每日 Markdown 日志，存放在.memsearch/memory/目录；
2. 技能候选（1）：蒸馏逻辑从日志中挖掘重复出现的多步流程，生成一份"候选技能"，存放在.memsearch/skill-candidates/——这是一个自带 git 版本历史的仓库，每次自动修改都会产生一个可 diff、可回滚的 commit；
3. 正式安装（2）：只有当你确认后，候选技能才会被快照复制到 Agent 的技能目录，变成一个真正的/斜杠命令。

💡 关键设计：候选技能是"惰性"的。它存放在任何 Agent 都不会读取的目录里，直到一个人亲手安装它，它才会生效。机器只负责提议，人来拍板。

🚀 两条蒸馏路径：按需捕获 vs 后台自动挖掘

MemSearch 提供了两种把记忆变成技能的方式，适配不同场景：

按需捕获：一句话就能"现场抓"技能

完成一次部署或调试后，直接对 Agent 说：

"把刚才我们做的事做成一个 skill。"

Agent 会回读原始会话转录（而不是有损的日志摘要），保证步骤中的命令、路径精确无误，然后把技能草稿存为候选并询问你是否安装。这条路径不需要配置模型、没有重复次数门槛——你开口，就是最强信号。

后台挖掘：让重复的工作流自动"转正"

如果你希望历史经验被持续提炼，可以对 Agent 说：

"开启 MemSearch 技能蒸馏，让它更积极一点。"

后台任务会在会话结束时按节奏运行：当某个工作流在至少 3 个不同会话（默认值min_occurrences）中重复出现时，才会提议生成候选。一次性操作不值得成为技能，重复才是信号。该功能默认关闭，由你主动开启。

🔒 为什么值得信任：5 个关键设计哲学

蒸馏出错误技能的代价很高，MemSearch 用几项刻意为之的立场来守住质量底线（完整论述见 设计哲学章节）：

• 重复才是信号：一次性的操作不配成为技能，后台任务会等待多次出现后才提议；
• 人类决定什么"成真"：蒸馏只产生候选，激活永远是人的动作——错误的笔记无害，错误且自动触发的技能才是伤害；
• Markdown + git 是事实来源：候选库是一个真正的 git 仓库，历史永不丢失，因此系统可以大胆地改进候选，却不会变得危险；
• 只有"生成"需要模型：把原始历史变成流程需要判断力（这一步用 LLM），而保存候选和安装只是纯文件 + git 操作，边界清晰；
• 精确性来自原始转录：日志是有损摘要，只凭摘要写出的技能"看似合理但可能错误"。两条路径都会通过memsearch transcript命令回读原始转录（含工具调用），读不到细节时宁可保持笼统，也不编造命令。

🛠️ 快速上手：如何开启与安装（零命令）

1. 开启后台蒸馏

直接对 Agent 说"enable MemSearch skill distillation"，它会通过内置的memory-config技能替你完成配置。如果你偏好手动编辑文件，相关配置位于[plugins.<agent>.memory_to_skill]下：

• enabled：是否开启后台挖掘（默认false）
• min_occurrences：需要多少次重复才提议蒸馏（默认 3）
• paths：预置安装目标目录

2. 审查并安装技能

"我有哪些技能候选？把部署那个装了吧。"

Agent 会列出候选（并附带 git 历史说明它是新建还是进化版），你确认安装目标后执行安装。安装目录按平台区分：

同一个技能可以一次安装到多个目录，覆盖多个 Agent。安装后，重新开启一个 Agent 会话，新技能即可被加载为斜杠命令。

3. 相关源码与文件位置

• 蒸馏核心实现：src/memsearch/skills.py
• 蒸馏提示词模板（定义了什么样的工作流才配成为技能）：src/memsearch/prompts/memory_to_skill.txt
• 驱动整个流程的 Agent 技能（自然语言入口）：plugins/_shared/skills/memory-to-skill/SKILL.md
• 各平台配置参考：plugins/_shared/skills/memory-to-skill/references/

❓ 常见问题 FAQ

Q：候选技能会偷偷自动安装吗？不会。memory_to_skill技能有严格护栏：不经过你同意，它绝不会启用功能、修改安装路径或安装候选。安装始终是一个交互式检查点。

Q：已安装的技能后续还会更新吗？会。候选库中的技能持续进化，包括你已安装的那些。安装只是取出一个快照；当候选内容哈希与上次安装不一致时，memsearch skills status会提示你有新版本待装——你可以随时先审查 diff 再决定。

Q：技能可以跨 Agent 用吗？可以。蒸馏出的技能遵循 Agent Skills 开放标准（标准 frontmatter 的SKILL.md），一份捕获即可在 Claude Code、Codex、DSH、OpenClaw、OpenCode 等兼容 Agent 之间移植。

📌 总结

MemSearch 把 AI Agent 的记忆从"记住"推进到"学会"：

1. 三层记忆体系——情景日志、语义事实、程序性技能各司其职；
2. 重复即信号——你反复做的事，会被自动提炼成可安装的技能；
3. 人在回路——机器提议、人类拍板，git 全程留痕、可回滚；
4. 零学习成本——整个交互面就是一段对话。

从今天起，你的每一次重复工作都在为未来的 Agent 积累能力。

【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch