“Long Term Memory” 共 217 个结果
io.github.github/awesome-copilot/pinecone-rag
以 Pinecone 作为向量数据库后端构建生产级 RAG 管道与持久化 agent 记忆。当用户提到 Pinecone、需要为语义检索索引文档、构建检索增强生成系统、跨会话存储 agent 记忆、实现混合检索，或把 LLM 接入可检索知识库时使用；也适用于向量数据库选型、多租户 agent 的 namespace 隔离、embedding 管道、以及将知识库扩展到本地存储之外的场景。不适用于本地向量库（Chroma、FAISS、pgvector）或纯关键词检索。
io.github.affaan-m/ECC/article-writing
根据提供的示例或品牌指引，以独特语气撰写文章、指南、博客、教程、newsletter 等长篇内容。当用户需要超过一段的成稿书面内容时使用，尤其在对语气一致性、结构和可信度有要求时。
io.github.affaan-m/ECC/knowledge-ops
跨多个存储层（本地文件、MCP memory、向量存储、Git 仓库）的知识库管理、摄取、同步与检索。当用户想在知识系统中保存、整理、同步、去重或检索时使用。
io.github.affaan-m/ECC/config-gc
为你的 Claude Code 配置做垃圾回收。定期扫描 ~/.claude（skill、memory、hook、权限、MCP 服务器、缓存），找出冗余、过期、孤立或低价值条目，然后引导用户逐项确认删除。当用户说“清理我的配置”“配置 GC”“skill 太多了”“审计一下我的配置”“我的 .claude 太臃肿”，或要求定期复查配置时使用。
io.github.alirezarezvani/claude-skills/review
分析 auto-memory 的晋升候选、过期条目、合并机会与健康指标。当用户运行 /si:review，或询问已学到什么、该晋升或清理什么时使用。
io.github.ag2ai/faststream/testing-patterns
在 tests/ 下编写或修改测试时使用——基类 testcase 继承、pytest 标记、fixture、内存 broker 与真实 broker 测试的取舍，以及如何运行测试套件。
io.github.affaan-m/ECC/swift-actor-persistence
在 Swift 中使用 actor 实现线程安全的数据持久化——内存缓存配合文件存储，从设计上消除数据竞争。
io.github.kortix-ai/suna/codex-cli
在 Claude Code 内部将 OpenAI 的 Codex CLI（codex exec）作为非交互式编码子代理驱动。当你想把编码/分析/重构任务委派给 Codex、从另一个模型获得第二意见/对抗式审查、跨文件或 worktree 扇出并行代理，或在你保持规划者的同时运行长时机械任务时随时加载。涵盖确切的 codex exec 标志、沙箱层级、输出捕获、JSON/schema 模式、会话续接、并行扇出，以及强制的「委派 → 捕获 → 独立验证，绝不轻信自我汇报」监督循环。
io.github.thedaviddias/Front-End-Checklist/back-forward-cache
审查导航性能、浏览器生命周期事件或内存恢复行为时使用。检查真实的浏览器生命周期与恢复路径，而不是只看静态代码模式。
io.github.wshobson/agents/python-performance-optimization
使用 cProfile、内存分析器等工具对 Python 代码做性能剖析并应用性能最佳实践。适用于排查 Python 代码运行缓慢、优化瓶颈或提升应用性能。
io.github.wshobson/agents/python-background-jobs
Python 后台作业模式，包括任务队列、工作进程与事件驱动架构。在实现异步任务处理、作业队列、长时间运行操作，或将工作与请求/响应周期解耦时使用。
io.github.pedronauck/skills/refactoring-analysis
基于 Martin Fowler 的代码异味与重构技术目录分析代码库，识别重构机会。检测重复代码、高度耦合、复杂条件、原始类型偏执、过长函数等结构性问题。生成结构化的重构报告并将优先级发现保存到 docs/_refacs/。在审计代码质量、准备重构冲刺或审查架构健康度时使用。不适用于风格/格式问题、性能优化或安全审计。
io.github.cosmicstack-labs/mercury-agent-skills/mobile-performance
应用启动、内存管理、电池效率、网络优化与性能剖析工具。
io.github.ForceInjection/domain-driven-design-skills/cursor-mem-chachamaru127-claude-code-harness
从 Cursor 访问 claude-mem 的 MCP 服务器，搜索过往会话记录并记录新的观察。触发词：「メモリ検索」「claude-mem」「過去の判断」「記録して」「memory search」「past decisions」。不要在常规编码、临时笔记或实现工作时加载。
io.github.LeoYeAI/openclaw-master-skills/agent-security-hardening
面向生产环境 AI Agent 的安全加固模式。涵盖提示词注入防御（7 条规则）、数据边界强制、外部集成默认只读、保障数据完整性的 WAL 协议、健康检查脚本、完整性关卡、规则升级阶梯与会话记忆安全。适用于加固 Agent 部署以对抗恶意输入、数据泄露或运行故障。不用于网络安全、基础设施加固或渗透测试
io.github.microsoft/skills-for-fabric/sqldw-operations-cli
通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷热状态并推荐聚簇键（clustering key）。触发语：DW slow query analysis、slowest queries warehouse、queryinsights long running、warehouse CPU resource consumers、SQL pool pressure window、pressure events warehouse、DW cache warmth cold start、cache warmth analysis、warehouse cluster key recommendation、cluster tables performance、DW performance baseline comparison、performance degraded warehouse、warehouse user query patterns、queryinsights diagnostics、DW optimization sqlcmd。
io.github.microsoft/skills-for-fabric/sqldw-operations-cli
通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷启动并推荐聚集索引键。触发词：“DW slow query analysis”“slowest queries warehouse”“queryinsights long running”“warehouse CPU resource consumers”“SQL pool pressure window”“pressure events warehouse”“DW cache warmth cold start”“cache warmth analysis”“warehouse cluster key recommendation”“cluster tables performance”“DW performance baseline comparison”“performance degraded warehouse”“warehouse user query patterns”“queryinsights diagnostics”“DW optimization sqlcmd”。
io.github.danielmiessler/Personal_AI_Infrastructure/src
接收来自外部来源的既有内容，按 PAI 目标分类体系为每个分块归类，并在批准后携带溯源提交。来源：.md/.markdown/.txt、stdin、PAI TELOS/MEMORY/KNOWLEDGE 目录、CLAUDE.md/.cursorrules/OpenAI Custom Instructions、Obsidian/Notion/Apple Notes 导出、日记转储。MigrateScan.ts 负责分块与分类，生成含各目标计数与置信度百分比的路由表。MigrateApprove.ts 审批循环：--approve-all、--approve-target、--review、--dry-run。UNCLEAR 永不批量批准。Phase 6 输出总结，并对稀疏区域建议 /interview。置信度：≥70% 自动批准；40-70% 确认；<40% 逐条走查。目标位置：TELOS（MISSION/GOALS/PROBLEMS/STRATEGIES/CHALLENGES/BELIEFS/WISDOM/MODELS/FRAMES/NARRATIVES/SPARKS）、IDEAL_STATE（逐维度显式确认）、preferences（BOOKS/AUTHORS/MOVIES/BANDS/RESTAURANTS/FOOD_PREFERENCES/LEARNING/MEETUPS/CIVIC）、Identity（PRINCIPAL_IDENTITY.md——总是提示确认）、Knowledge（MEMORY/KNOWLEDGE/{Ideas,P
io.github.cursor/plugins/control-cli
构建或改造本地测试装置，以驱动、检查并剖析交互式 CLI 或 TUI，无需外部服务。适用于 CLI 体验检查、启动性能回归、内存泄漏、卡死、提示流程或终端演示。
io.github.cursor/plugins/cursor-sdk
指导用户基于 Cursor TypeScript SDK（`@cursor/sdk`）构建应用、脚本、CI 流水线或自动化。只要用户提到集成、安装或面向 Cursor SDK 编写代码；说出 `Agent.create`、`Agent.prompt`、`Agent.resume`、`agent.send`、`run.stream`、`CursorAgentError` 或 `@cursor/sdk`；询问如何以编程方式从脚本、CI/CD 流水线、GitHub Action、后端服务或任何非 Cursor IDE 本身的代码中运行 Cursor 代理；以及如何选择本地与云端运行时、为 SDK 代理配置 MCP 服务器、处理 SDK 代理的流式输出、取消或错误时，都应使用本技能。用户把 Cursor 接入自动化、编写运行 Cursor 的机器人、或将 REST `/v1/agents` 调用迁移到 SDK 时也要触发，即使未明确提及包名。应主动触发而非凭记忆作答；SDK 接口持续演进，本技能及其参考文档是其权威来源。
io.github.midudev/autoskills/python-background-jobs
Python 后台任务模式，包括任务队列、worker 与事件驱动架构。在实现异步任务处理、作业队列、长时运行操作，或将工作与请求/响应周期解耦时使用。
io.github.dotnet/skills/mcp-csharp-test
在多个层面测试 C# MCP 服务器：单个工具的单元测试，以及基于 MCP 客户端 SDK 的集成测试。适用：MCP tool 方法的单元测试、用内存 MCP 客户端/服务器做集成测试、经 MCP 协议的端到端测试、用 WebApplicationFactory 测试 HTTP MCP 服务器、在工具测试中 mock 依赖、为 MCP 服务器编写评测、设计评测问题、度量工具质量。不适用：测试 MCP 客户端（本技能只测服务器）、负载或性能测试、测试非 .NET MCP 服务器、调试服务器问题（用 mcp-csharp-debug）。
io.github.TingxiaoDong/FeishuCLassmate/automation-track-background-process-state
在启动后台进程或长时间运行命令时使用。维护清晰的状态图，记录哪些进程在运行及其预期结果。
io.github.PramodDutta/qaskills/mobile-performance-testing
移动应用性能测试，包括启动时间、帧渲染、内存分析、耗电、网络限速与崩溃分析，使用 Appium、XCTest 与 Espresso 在真机上完成。
