memory-search
为编码智能体提供混合搜索记忆系统，支持本地向量与关键词检索。
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：memory-search。 它的用途是：为编码智能体提供混合搜索记忆系统，支持本地向量与关键词检索。 完整的 Skill 内容见：https://321skill.com/skills/memory-search/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
“/memory remember 本项目决定使用 TypeScript 并采用 RESTful API 风格。” 它会将此信息存入记忆。几天后，当你询问：“我们之前关于 API 风格是怎么定的？” AI 使用 `/memory` 搜索后，能准确回复之前的决策。你也可以在编写新模块时自然提问：“用户认证我们之前怎么设计的？” AI 会自动检索相关记忆来辅助回答。
介绍
memory-search 是一个专为编码智能体设计的混合搜索记忆系统，旨在解决开发者在长期项目中容易遗忘关键决策、技术偏好和项目上下文的问题。它通过扫描项目中的 MEMORY.md 和 memory/*.md 文件，将内容分块并转换为向量存储，帮助智能体在后续对话中快速检索相关信息。
使用方式非常灵活，既可以通过简单的聊天命令（如“/memory remember…”或“/memory what did we decide about…”）与智能体交互，也可以集成到 Claude Code、Cursor 等工具的配置文件中实现自动记忆注入。对于开发者，还提供了完整的 TypeScript API，支持以编程方式索引、搜索和管理记忆。
该技能特别适合需要长期维护复杂项目、与多个智能体协作或频繁切换上下文的开发者和技术团队。无论是记录架构决策、个人编码偏好，还是保存每日工作笔记，它都能帮助智能体保持“记忆”的连续性。
首次使用时，本地嵌入模型（约300MB）需要下载，建议运行 bunx memory-search --warmup 进行预热。虽然默认使用本地模型保障隐私和离线可用，但也可配置 OpenAI 嵌入以获得更快的查询速度，只需设置相应的环境变量即可。
核心特点
核心区别在于其混合搜索算法（70%向量相似度 + 30% BM25关键词匹配），在语义理解和精确关键词召回间取得平衡；同时内置本地嵌入模型，无需 API 密钥即可开箱即用，保护了用户隐私和离线工作流。
注意事项
不适合需要实时、高频写入海量非结构化数据（如日志流）的场景，其设计核心是面向项目文档和决策记录的检索。
常见问题
第一次使用为什么慢？
首次查询需要下载约300MB的本地嵌入模型，建议安装后运行 `bunx memory-search --warmup` 预先下载。
记忆数据存储在哪里？
默认使用 SQLite 数据库（项目目录下的 .memory.sqlite 文件），所有向量和文本数据均本地存储。
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/memory-search/raw/index.md 读取 memory-search 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/memory-search/raw/index.md（查看排版版本）