hipocampus
为AI Agent提供主动式记忆增强，无需搜索即可关联历史知识。
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：hipocampus。 它的用途是：为AI Agent提供主动式记忆增强，无需搜索即可关联历史知识。 完整的 Skill 内容见：https://321skill.com/skills/hipocampus/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
“基于我们之前的讨论，为新的用户认证模块设计一个技术方案。” 此时，Hipocampus会主动将几周前关于“OAuth2.0与JWT优劣对比”、“数据库用户表结构设计”以及“安全审计要点”的讨论上下文提供给AI，使其生成的技术方案能继承所有历史决策，避免重复讨论或出现矛盾。
介绍
Hipocampus 解决了AI Agent在会话间遗忘历史知识，且无法主动关联用户未明确提及的过往信息这一核心痛点。传统RAG和长上下文窗口依赖用户提问来触发检索，而Hipocampus通过构建知识压缩树，让Agent能“意识到”自己知道什么，从而在用户提问时主动调取看似不相关但实则关键的历史上下文。
使用极其简单，通过一行命令即可完成初始化。它作为插件或独立工具，自动处理会话历史文件，构建索引，并在Agent运行时在后台工作，无需用户干预。支持Claude Code、OpenCode和OpenClaw等平台。
它非常适合需要长期、复杂协作的AI Agent用户，例如全栈开发者、项目经理或内容创作者。当你在多轮对话中与Agent共同完成一个项目（如软件开发、文档撰写或市场分析）时，Hipocampus能确保Agent记住几周甚至几个月前的关键决策和讨论细节。
建议初次使用时采用默认配置（包含向量搜索）。如果你的对话历史文件体积巨大或对磁盘空间敏感，可以考虑使用 --no-vector 选项。其性能提升与分配给根摘要文件（ROOT.md）的Token预算正相关，可根据项目重要性进行调整。
核心特点
与依赖关键词或语义相似度的传统RAG不同，Hipocampus通过构建层次化的知识压缩树，让AI Agent具备“元认知”能力，能主动发现并关联用户未明确查询的跨领域历史信息，解决了“未知的未知”问题。
注意事项
不适合仅需单次、独立会话的简单任务，或对磁盘空间和初始化时间有严格限制的轻量级场景。
常见问题
Hipocampus和普通的向量数据库记忆插件有什么区别？
核心区别在于主动关联能力。向量数据库只在被查询时返回相似片段，而Hipocampus通过知识树结构，能让AI在回答时主动想起未被查询但相关的内容，尤其在跨领域问题上优势明显。
安装后需要复杂的配置吗？
几乎不需要。运行 `npx hipocampus init` 后，它会自动检测平台并配置，之后的工作（如索引更新）都是自动在后台完成的。
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/hipocampus/raw/index.md 读取 hipocampus 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/hipocampus/raw/index.md（查看排版版本）