signal-dreaming
安全分阶段内存合并与自动索引压缩
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：signal-dreaming。 它的用途是：安全分阶段内存合并与自动索引压缩 完整的 Skill 内容见：https://321skill.com/skills/signal-dreaming-x-5/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
'帮我将当前对话中关于用户偏好的关键信息分阶段合并到长期记忆，并自动压缩索引以节省空间。' 它会解析对话内容，提取用户偏好、行为模式等核心信息，按照分阶段策略逐步合并至长期存储，同时定期执行有界索引压缩，保持内存占用在可控范围内，并在下次对话时快速检索相关记忆。
介绍
在AI对话和长期记忆管理中，记忆的无限增长会带来性能下降和存储开销。Signal-dreaming 通过分阶段的内存合并策略，将短期记忆逐步整合到长期记忆，同时使用有界索引自动压缩，解决内存膨胀问题。它采用单所有者安全模型，确保合并过程的数据完整性和隐私保护。
使用方式非常直接：将 skill 集成到你的 AI 代理或应用中，它会自动处理对话历史的分阶段合并，无需手动干预。你可以通过配置参数调整压缩频率、索引边界和合并策略，以适应不同场景的内存需求。
适合需要长期记忆能力的 AI 应用开发者、智能体开发者和后端工程师。尤其适合那些需要管理大量对话历史、用户上下文或知识库的 AI 系统，例如客服机器人、个人助理、知识管理工具等。
建议在使用前明确记忆的用途和生命周期，避免过度压缩导致重要信息丢失。对于需要高频随机访问的场景，可适当调低压缩频率或增加索引边界。注意该技能为单所有者设计，多用户共享记忆时需额外封装隔离层。
核心特点
不同于简单的长短期记忆存储，signal-dreaming 通过分阶段合并和自动有界索引压缩，在保证安全（单所有者）的前提下，实现内存使用量的可控增长，避免无限膨胀。
注意事项
不适合需要频繁随机访问大量小型记忆片段的场景，因为压缩过程可能引入延迟。
常见问题
如何安装 signal-dreaming？
使用 npm install signal-dreaming 即可安装，或直接克隆仓库后通过 npm link 使用。
如何调整压缩策略？
通过配置文件或初始化参数设置 compression_interval（压缩间隔）和 index_bound（索引边界），默认值适用于大多数场景。
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/signal-dreaming-x-5/raw/index.md 读取 signal-dreaming 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/signal-dreaming-x-5/raw/index.md（查看排版版本）