rust-self-learning-memory
一个具备语义搜索和自学习能力的Rust智能体记忆系统
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：rust-self-learning-memory。 它的用途是：一个具备语义搜索和自学习能力的Rust智能体记忆系统 完整的 Skill 内容见：https://321skill.com/skills/rust-self-learning-memory/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
“参考我们上次成功修复类似数据库连接超时的经验来处理当前问题。”，它会通过MCP工具调用记忆系统的语义搜索，找到历史上相关的高成功率解决模式，并推荐具体的工具调用序列和决策点。或者，在CLI中运行 `do-memory-cli pattern search --query '处理API限流'` 来直接搜索相关策略。
介绍
Rust自学习记忆系统旨在解决AI智能体在跨会话交互中缺乏持久化记忆的问题。它通过捕获、存储和分析智能体的“经历片段”，让智能体能够记住过去的成功与失败，从而在未来的任务中做出更优决策。
该系统通过一个功能齐全的CLI和一个遵循MCP协议的服务器来使用。开发者可以启动MCP服务器，将其连接到Claude Desktop等支持MCP的客户端，智能体便能自动调用其工具来记录经历、搜索模式或进行语义检索。CLI则提供了更底层的操作，用于管理片段、模式、存储和进行高级分析。
它非常适合需要构建具备长期记忆和持续学习能力的复杂AI智能体的开发者、研究人员或团队。无论是开发自动化工作流、研究智能体行为，还是构建需要从历史经验中学习的AI应用，该系统都能提供强大的底层支持。
与同类记忆增强工具相比，它的核心区别在于其“自学习”机制和独特的“混沌语义记忆”检索架构。它不仅被动存储信息，还能主动从经历中提取模式、评估效果，并通过多级联检索（从关键词到概念图再到向量）实现高效、低成本的语义搜索，显著减少对外部API的依赖。
核心特点
核心区别在于其“自学习”机制和“混沌语义记忆”检索架构：系统能主动从历史经历中提取并评估有效行为模式，并通过四级联检索（BM25、超维度计算、概念图、API向量）实现高效、低成本的语义搜索，减少70%的外部API调用。
注意事项
不适合需要即时、轻量级内存嵌入的简单应用场景，且其代码执行功能为“故障关闭”设计，不提供实际的代码运行沙箱。
常见问题
这个记忆系统和普通的向量数据库有什么区别？
它不仅存储向量，还封装了完整的“经历片段”生命周期管理、模式自动提取、效果评估和自学习逻辑，是一个专为智能体设计的认知系统。
需要一直连接外部API吗？
不需要。其CSM检索架构优先使用CPU本地的BM25、超维度计算和概念图进行搜索，仅在必要时才调用外部嵌入API，可大幅降低依赖和成本。
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/rust-self-learning-memory/raw/index.md 读取 rust-self-learning-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/rust-self-learning-memory/raw/index.md（查看排版版本）