Engram Memory
基于知识图谱和认知模型的持久化长期记忆系统。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Engram Memory。 它的用途是：基于知识图谱和认知模型的持久化长期记忆系统。 完整的 Skill 内容见：https://321skill.com/skills/engram-memory-x-4/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘记住我们上次讨论的关于神经元稀疏激活的论文核心观点。’，它会将这一信息结构化存入知识图谱。几天后，当你问：‘之前提到的那个能提高能效的神经网络机制是什么？’，AI会从长期记忆中精准召回‘稀疏激活’的相关概念及其上下文，给出连贯的回答。在开发一个研究助手智能体时，你可以指示它：‘基于我们过去三个月的所有对话，总结我在量子计算领域最常关注的主题。’，Engram Memory会遍历整合记忆，生成一份结构化的兴趣图谱报告。
介绍
Engram Memory 旨在解决AI对话中上下文短暂、无法跨会话记忆的问题。它通过构建知识图谱、应用ACT-R认知激活模型和15阶段记忆巩固流程，将对话中的关键信息转化为结构化的长期记忆，使AI能够在后续的对话中主动回忆并应用相关知识。
使用时，您只需在支持该Skill的AI平台（如Claude Desktop）中安装并启用它。在对话过程中，Skill会自动识别和提取对话中的实体、概念及其关系，将其存入知识图谱。当您提出新问题时，它会根据ACT-R模型计算相关记忆的激活度，并智能地召回最相关的历史信息来辅助AI生成回答。
该Skill非常适合需要AI具备持续学习能力和领域知识积累的场景的用户，例如长期进行项目研究、构建个人知识库或开发需要记忆用户偏好的智能体应用的开发者、学术研究者和内容创作者。
建议在涉及复杂、长期项目或需要深度领域知识的对话中启用此Skill。请注意，其记忆提取和巩固过程可能会略微增加响应时间，且记忆的准确性高度依赖于对话内容的清晰度和结构性。初次使用时，建议通过几次深入的对话来“训练”其记忆库，以达到最佳效果。
核心特点
与仅依赖向量检索的简单记忆Skill不同，它结合了知识图谱的结构化存储、ACT-R认知模型的动态激活计算以及多阶段的记忆巩固流程，模拟了人类长期记忆的形成与提取机制，从而能实现更精准、更具关联性的信息回忆。
注意事项
不适合对实时性要求极高或对话内容极其碎片化、无关性强的闲聊场景。
常见问题
Engram Memory会记住我所有的对话内容吗？
不会，它会通过算法提取和巩固对话中的核心概念与关系，形成结构化的知识记忆，而非存储原始对话全文。
记忆数据存储在哪里？是否安全？
记忆数据通常存储在本地或您指定的安全位置，具体取决于Skill的实现和配置，确保了隐私和安全。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/engram-memory-x-4/raw/index.md 读取 Engram Memory 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/engram-memory-x-4/raw/index.md（查看排版版本）