第 4 章 记忆与 Skill 系统：让 GA 越用越强

GA 默认连接官方 Hub，也可以指定其他开源 Skill 网站或私有 Hub。直接用提示词告诉 GA 即可：

把 skill search 的搜索源改为 http://your-hub.com:port

先确认 Skill 的真实来源和实际生效目录，再把其中可复用的机制迁移到 GA 的 L3 层。

Skill 目录位置：

• 个人 Skill（所有项目生效）：~/.claude/skills/<skill-name>/
• 项目 Skill（仅单个项目生效）：项目根目录下 .claude/skills/<skill-name>/
• 插件市场 Skill：~/.claude/plugins/marketplaces/<marketplace-name>/skills/<skill-name>/

手动迁移步骤：

1. 提取 Skill 的有效内容。除 SKILL.md 外，也需要关注目录下的其他文件：

   <skill-name>/
   ├── SKILL.md          # 核心文件（必需）
   ├── agents/           # subagent 定义
   ├── scripts/          # 可执行脚本
   ├── references/       # 参考文档
   ├── assets/           # 模板、数据文件
   └── examples/         # 使用示例
   

2. 删除敏感信息和旧系统专属内容（包装语、旧路径、特定格式）

3. 整理成 SOP / 脚本 / 目录，放进 ./memory/

4. 小范围试跑，确认新 SOP 在当前环境下可执行

5. 补充 L1 索引（手动编辑或让 GA 更新）：

   看 ../memory/ 下的新增文件，依据 memory_management_sop.md 更新 L1 索引
   

让 GA 帮你迁移：

读取 [skill 路径] 中的内容，提取可复用的机制，删除专属依赖，依据 memory_management_sop.md，改写为 SOP/脚本，小范围试跑验证，成功后补充 L1 索引

1. 先检查安全性：

   帮我检查 [skill 路径] 这个 skill 是否有安全隐患
   

2. 小任务验证：

   用这个 skill 完成 [任务描述] / 帮我想一个测试案例验证这个 skill
   

3. 成功后正式存入 L3：

   依据 memory_management_sop.md，提取经验改写 skill 写入 L3，并更新 L1 索引
   

启用方式（需以 reflect/scheduler 模式启动）：

# 用 agentmain.py 启动
python agentmain.py --reflect reflect/scheduler.py

# 用 launch.pyw 启动
python launch.pyw --sched

⚠️ 直接双击 launch.pyw 默认不会启用 L4 自动压缩。

触发条件（需同时满足）：

1. 使用 reflect/scheduler 模式启动
2. Agent 进程在本次运行中已持续超过约 12 小时
3. 会话（日志文件）2 小时内未更新且大于 4.5KB

产出目录：

./memory/L4_raw_sessions/
├── all_histories.txt       ← 所有会话历史的工作记忆汇总（追加写入）
├── 2026-04.zip             ← 月度压缩包
├── 2026-03.zip
└── ...

也可以跳过 scheduler，直接让 GA 用 L4_raw_sessions/compress_session.py 手动压缩日志。

在 GA 中，Skill 就是以 SOP（或脚本）形式存在的。SOP 是 Skill 的载体——一份 SOP 文档就是一个 Skill。GA 不像其他平台有独立的"Skill 格式"，它直接把经验写成可执行的 SOP 步骤或 Python 脚本，存放在 ./memory/ 下（L3 层）。所以你看到的 SOP 文件，本身就是 GA 的 Skill。

有。GA 采用分层记忆架构，其中 L3 层即为可执行 Skill（SOP 或脚本形式）。GA 有内置 Skill（见 4.6），外部 Skill 可通过 Skill Search 检索（见 4.3），或从 Claude Code / OpenClaw 迁移（见 4.4）。

不需要手动"安装"。直接描述需求即可，GA 会自动通过 Skill Search 寻找。详见 4.3。

不能直接复制使用。GA 会读取外部 Skill 的内容，在你的环境中实际运行验证，成功后再将经验沉淀为自己的 SOP/脚本存入 L3。也就是说，外部 Skill 经过「读取 → 实践 → 沉淀」后才会变成 GA 自己的 Skill。详见 4.4。

社区 Skill 不是为你的环境定制的，先让 GA 改造、试跑后再总结为你自己的 Skill，存入记忆。详见 4.4。

任务完成后需提示 GA 将经验总结为 Skill，并按照 memory_management_sop.md 写入 L3 和 L1。详见 4.2。

依据 memory_management_sop.md，提取成功经验总结为 skill 写入 L3，并更新 L1 索引

任何 Skill 库都不可能覆盖所有场景。如果官方 Hub 搜不到，可以尝试换英文关键词重试；也可以将 GA 的 Skill Search 指向其他开源 Skill 网站或自建的私有 Skill Hub（见 4.3 自定义 Skill Hub），GA 会到你指定的 Skill 库中检索。实在没有现成 Skill，也可以让 GA 从零探索，成功后再总结成你自己的 Skill。

当前会话间不直接共享记忆，但可以让 GA 读历史日志恢复：

去 model_responses 和 L4 下找对话记录，[描述对话（时间是 XXX / 内容是 XXX）]，读取记录恢复上下文

若日志尚未归档至 L4，可在 ./temp/model_responses/ 下按时间戳手动查找。

直接新开实例即可——再打开一个终端运行启动命令，或再次双击 launch.pyw。

可以让 GA 用 L4_raw_sessions/compress_session.py 压缩历史日志。目前没有在线压缩功能，上下文到 30K 后会被直接截断。建议：

• 长任务使用 plan_sop 分阶段执行，缓解失忆
• 关键结论及时沉淀到 L2/L3，避免依赖长上下文

几乎不需要。GA 会自动更新或在简单提示下完成：

• L4：用 reflect/scheduler 模式自动归档，或让 GA 主动压缩
• L3：多种方式详见 4.2、4.3、4.4，可提醒 GA 根据 memory_management_sop 自动总结
• L2/L1：GA 会依据提示词和 SOP 自动管理

正常。global_mem.txt 是 L2 层（环境事实）存储文件，首次使用时为空。GA 在探索过程中发现环境事实后会自动写入。也可以主动提醒：

请查阅 memory_management_sop.md，将已发现的环境事实写入 L2 层

GA 日常运行和自进化几乎只涉及 memory 和 temp 两个目录，迁移这两个目录即可。