Agent Skills › zts212653/clowder-ai › memory-navigation

memory-navigation

GitHub

记忆系统三入口路由决策工具，根据用户意图（精确锚点、关键词搜索或近期回顾）智能选择search_evidence、graph_resolve或list_recent。包含噪音控制参数、加载时机判断及隐私边界，旨在降低认知成本并避免无效检索。

cat-cafe-skills/memory-navigation/SKILL.md zts212653/clowder-ai

Trigger Scenarios

接到任务且无先验知识压缩后重建上下文模糊回忆'最近讨论过X' search_evidence多次低命中

Install

npx skills add zts212653/clowder-ai --skill memory-navigation -g -y

More Options

Non-standard path

npx skills add https://github.com/zts212653/clowder-ai/tree/main/cat-cafe-skills/memory-navigation -g -y

Use without installing

npx skills use zts212653/clowder-ai@memory-navigation

指定 Agent (Claude Code)

npx skills add zts212653/clowder-ai --skill memory-navigation -a claude-code -g -y

安装 repo 全部 skill

npx skills add zts212653/clowder-ai --all -g -y

预览 repo 内 skill

npx skills add zts212653/clowder-ai --list

SKILL.md

Frontmatter

{
    "name": "memory-navigation",
    "output": "Entry choice + noise control params + downstream tool call",
    "not_for": [
        "已有精确 anchor",
        "代码符号查找"
    ],
    "triggers": [
        "没先验",
        "压缩后",
        "我记得讨论过",
        "最近讨论",
        "找不到 anchor",
        "cold start",
        "扫一眼最近",
        "memory navigation"
    ],
    "description": "记忆系统三入口路由（search_evidence \/ graph_resolve \/ list_recent）决策树 + 噪音控制 + 加载时机。F188 Phase F (AC-F6) 配套 skill。 Use when: 没先验、压缩后回顾、\"我记得最近讨论过 X\"、search_evidence 反复 low-hit。 Not for: 已有精确 anchor 直接 Read；代码符号查 Grep\/LSP。 Output: 选定入口 + 噪音控制参数 + 进入对应 MCP 工具。\n"
}

memory-navigation

记忆系统三入口路由决策 + 噪音控制 + 加载时机。F188 Phase F (AC-F6) 配套 skill。

单一真相源：cat-cafe-skills/refs/memory-routing-partial.md

When to load

按 cold-start 关键词 + 检索 fallback 信号加载：

接到任务感觉"没先验"——不知道找什么 keyword
压缩后需要重建上下文（hook 触发"compact"事件）
"我记得最近讨论过 X" / "好像之前提过" / "最近发生了什么"
search_evidence 多次 low_hit 或 no_match 后
处理新 thread 的 cold-start，需要快速建立上下文

Not for:

已经有精确 anchor 想直接 Read 源文件 → 直接 Read
代码符号查找 → Grep / LSP
全文匹配 → Grep

三入口决策树

开工 / 接到任务 / 压缩恢复
  ↓
我知道精确 anchor (F186/ADR-019 等)？
  ├─ 是 → graph_resolve(anchor, depth=1)
  │        看 anchor 周边的引用、wikilink、F-ref 关系
  │
  └─ 否 ↓

我大概知道找什么、有概念关键词？
  ├─ 是 → search_evidence(query, mode="hybrid")
  │        语义召回；low-hit 时会自动 nudge 你试其他入口（KD-7）
  │
  └─ 否 ↓

我只是想"扫一眼最近发生什么"？
  ├─ 是 → list_recent(scope="all", since="7d")
  │        不带 query，按时间倒序看最近活动
  │
  └─ 否 → 用 cross-cat-handoff 找人问，或问operator澄清需求

噪音控制

graph_resolve 边爆炸防护：

depth: 默认 1，上限 3。深度 ≥2 时 fan-out 容易上百
relations: filter 子集
- 只看强关系：["wikilink", "doc_link"]
- 只看 F-编号引用：["feature_ref"]
- 只看 frontmatter related: ["related_to"]
候选列表 ≥5 项时：先选高 confidence anchor 看一跳，再决定深挖

list_recent 时间窗口选择：

压缩恢复 / "最近发生什么"：since="24h" 或 "7d"
周回顾 / 找一周前的讨论：since="7d"
找最近 PR / merge：scope="docs" + since="3d"
完全没头绪：scope="all" + since="7d" + limit=20

search_evidence mode 速查（详见 CLAUDE.md 「检索策略」段）：

精确 ID → lexical
日常用 → hybrid
跨语言 → semantic

7-tool family 互相 cross-reference

每个工具的 description 互相指向（4.6 review #3 缓解工具数量膨胀）：

search_evidence — semantic / fuzzy find
graph_resolve — precise anchor / relations
list_recent — zero-prior / scan recent
list_session_chain — 看完整对话链
read_session_digest — 看会话摘要
read_session_events — 看会话事件
read_invocation_detail — 看单次 invocation 全事件

关键纪律

search_evidence 不是默认万能——历史 hook 只提它是 one-trick legacy。三入口按场景选才是 Phase F 设计。
看到 search_evidence payload 的 🧭 Memory navigation nudge——这是低命中信号，立刻试 graph 或 recent，不要继续盲搜。
猫的认知成本来自"工具间互相找"而非"工具总数"，cross-reference 直接解决。
没有 anchor 就走 recent——比反复构造关键词 prompt search 高效。

隐私边界（KD-8）

graph_resolve 和 list_recent 的 MCP schema 不接受 callerCollections / collections 参数。v1 只看 public/internal collections。需要 private/restricted 调 HTTP API 直接走 server-side ACL。

链入下一 skill

找到 anchor 后想看历史讨论 → cat_cafe_get_thread_context
找到 thread 后想看 invocation 详情 → cat_cafe_read_invocation_detail
找到决策后想立项 → feat-lifecycle
找到 bug 线索 → debugging

memory-navigation