搜索「Long Term Memory」的结果

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。

io.github.sickn33/antigravity-awesome-skills/python-performance-optimization

使用 cProfile、内存分析器与性能最佳实践对 Python 代码做性能剖析与优化。在调试缓慢的 Python 代码、优化瓶颈或提升应用性能时使用。

io.github.vabole/apple-skills/guide-swiftui-view-refactor

重构并评审 SwiftUI 视图文件，默认实践包括拆分为小型专用子视图、MV 优于 MVVM、稳定视图树、显式依赖注入以及正确使用 Observation。适用于整理 SwiftUI 视图、拆分过长 body、移除内联动作或副作用、减少计算属性 `some View` 辅助函数，或统一 `@Observable` 与视图模型初始化模式。

io.github.github/awesome-copilot/react18-lifecycle-patterns

针对 React 18.3.1，提供三个不安全类组件生命周期方法（componentWillMount、componentWillReceiveProps、componentWillUpdate）的精确迁移前后模式。当类组件需要迁移生命周期方法、在 getDerivedStateFromProps 与 componentDidUpdate 之间抉择、添加 getSnapshotBeforeUpdate，或修复 React 18 的 UNSAFE_ 生命周期警告时使用。编写生命周期迁移代码前务必使用本技能——不要凭记忆猜模式，其中的决策树可避免最常见的迁移错误。

io.github.github/awesome-copilot/react-audit-grep-patterns

提供在 React 18.3.1/React 19 升级前审计 React 代码库所需的完整、已验证 grep 扫描命令库。运行迁移审计时使用——供 react18-auditor 与 react19-auditor 两个 agent 共用。包含查找废弃 API、已移除 API、不安全生命周期方法、批处理隐患、测试文件问题、依赖冲突和 React 19 特有移除项的全部 grep 模式。编写审计扫描命令时应使用本技能而非凭记忆写 grep 语法，尤其是需要上下文标志的多行异步 setState 模式。

io.github.MemPalace/mempalace/init

初始化新的 MemPalace——引导式搭建你的 AI 记忆宫殿,使用 ChromaDB 后端。

io.github.ruvnet/ruflo/hooks-automation

通过带 MCP 集成的智能钩子，从 Claude Code 操作中自动完成协调、格式化与学习。涵盖 pre/post 任务钩子、会话管理、Git 集成、记忆协同与神经网络模式训练，以提升开发工作流。

io.github.ComeOnOliver/skillshub/cursor-mem

在 Cursor 中访问 claude-mem 的 MCP 服务器，检索历史会话记录并写入新的观察记录。触发词：'メモリ検索'（记忆检索）、claude-mem、'過去の判断'（过往判断）、'記録して'（记录吧）、memory search、past decisions。以下情形不要加载：常规编码、临时笔记、实现类工作。

io.github.secondsky/claude-skills/mobile-app-debugging

面向 iOS、Android 与跨平台框架的移动应用调试。在处理崩溃、内存泄漏、性能问题、网络故障，或遇到 Xcode Instruments、Android Profiler、React Native 调试器、原生桥接错误时使用。

io.github.googleworkspace/cli/recipe-review-meet-participants

回顾某次 Google Meet 会议的参与者以及各自的参会时长。

io.github.ComeOnOliver/skillshub/cursor-performance-tuning

优化 Cursor IDE 性能：降低内存占用、加快索引、调校 AI 功能，并为大型代码库管理扩展。触发词："cursor performance"、"cursor slow"、"cursor optimization"、"cursor memory"、"speed up cursor"、"cursor lag"。