多层架构AI记忆系统，结合WAL协议、向量搜索与Git持久化，解决AI助手上下文丢失难题，适合长期复杂项目开发。
说明：
## 核心定位
Elite Longterm Memory 是一套面向AI编码代理的终极长期记忆解决方案，专为Cursor、Claude、ChatGPT、Copilot等工具设计。其核心创新在于将六种成熟技术整合为分层架构，解决AI助手”金鱼记忆”的行业痛点。
## 架构设计（五层存储）
| 层级 | 技术 | 作用 | 持久化 |
|:—|:—|:—|:—|
| HOT RAM | SESSION-STATE.md | 活跃工作内存，WAL协议保障 | survive compaction |
| WARM STORE | LanceDB向量库 | 语义搜索，自动召回相关上下文 | 本地持久化 |
| COLD STORE | Git-Notes知识图谱 | 结构化决策与学习，分支感知 | Git仓库永久存储 |
| CURATED | MEMORY.md + daily/ | 人类可读精选记忆 | 文本文件 |
| CLOUD | SuperMemory API | 跨设备同步（可选） | 云端 |
| AUTO | Mem0 | 自动事实提取，80%降本 | 外部服务 |
## 核心优势
– **WAL协议**：先写后响应，杜绝崩溃丢上下文
– **语义召回**：LanceDB向量搜索自动注入相关历史
– **零配置热启动**：SESSION-STATE.md即开即用
– **Git原生持久**：决策与学习随代码版本管理
– **80% token节约**：Mem0自动提取替代全量历史
## 局限与风险
1. **依赖外部API**：OpenAI（必选向量）、Mem0/SuperMemory（可选）需自行配置密钥
2. **维护开销**：需每周执行”记忆卫生”清理过期向量
3. **T3来源**：个人开发者项目，非企业级背书
4. **可选服务风险**：外部SaaS的隐私政策需用户自行审查
## 适用人群
– 长期维护复杂项目的vibe-coding开发者
– 需要AI记住架构决策、用户偏好的多会话场景
– 对上下文连续性要求高的agentic工作流
## 典型工作流
“`
用户表达偏好 → 写入SESSION-STATE.md → 响应用户
→ Git-Notes静默存储决策
→ LanceDB向量存储供后续召回
“`
## 配置要点
– 必须：`OPENAI_API_KEY`启用语义搜索
– 推荐：`MEM0_API_KEY`自动事实提取
– 可选：`SUPERMEMORY_API_KEY`跨设备同步
该Skill通过分层冷热存储策略，在本地可控性与云端扩展性之间取得平衡，是AI原生开发工作流的基础设施级组件。
会员专属
