语义记忆搜索
适用场景
> 语义记忆搜索
功能说明
> 给 AI 自动化平台的 Markdown 记忆层加一层向量检索，按“语义”找回历史决策。
这个 Skill 能帮你做什么
- 不再只能靠关键词 grep；用“意思相近”也能命中相关记录。
- 结合向量 + BM25 混合检索，兼顾语义召回与精确命中。
- 基于内容哈希增量索引，重复执行不会重复花 embedding 成本。
需要的工具/依赖
| 类型 | 工具/能力 | 用途 | 说明 |
|---|---|---|---|
| 外部（需安装） | memsearch |
索引与检索 AI 自动化平台memory | zilliztech/memsearch |
| 外部（需安装） | Python 3.10+ | 运行 memsearch CLI |
Python |
| 外部（可选） | 本地 embedding provider | 无 API Key 本地化检索 | memsearch[local] |
快速体验版（先跑一轮）
pip install memsearch
memsearch config init
memsearch index ~/path/to/your/memory/
memsearch search "what caching solution did we pick?"
稳定自动版（可长期运行）
1) 开启文件监听自动同步
1) 开启文件监听自动同步
memsearch watch ~/path/to/your/memory/
2) 本地 embedding（无外部 API）
pip install "memsearch[local]"
memsearch config set embedding.provider local
memsearch index ~/path/to/your/memory/
3) 执行提示词（检索增强版）
你是我的记忆检索助手。
当我问历史决策时，先调用 memsearch 语义检索，再返回：
1. 最相关的 3 条记忆
2. 每条记忆的文件位置
3. 与问题的相关原因
4. 如果结果不足，明确告诉我缺什么信息
落地配置建议
- 先把“语义记忆搜索”拆成一次性试跑和长期自动化两种模式。
- 先固定主题、资料来源和笔记格式，再做长期积累。
- 建议保留运行日志、输入样例和最终输出，方便后续复盘和交付验收。
验收口径
- 能用真实或模拟数据完整跑通一次。
- 输出结果结构清晰，包含下一步动作或明确结论。
- 每次输出都包含资料入口、摘要、关键问题和下一步学习动作。
注意事项
- 正式接入账号、数据源或自动操作前，先确认权限边界。
- 学术、医疗、法律和金融内容需要保留资料入口并人工复核。
- 高风险动作建议默认只生成建议或草稿，不直接执行。
质量等级
- 难度：进阶
- 风险：中
- 自动化程度：半自动
- 适用对象：个人
成功标准
- 用不同措辞提问，仍能稳定命中历史记录。
- 索引可持续增量更新，不重复重建全库。
- 记忆检索返回可追溯到具体文件片段。
