Cursor-memory-cli 自动化记忆提取的完整实现

Cursor Memory:AI助手的长期记忆解决方案 在AI助手领域,上下文记忆能力是提升对话连续性的关键技术。通过向量数据库和分层存储架构,系统能够实现短期对话记忆与长期知识保留的平衡。Cursor Memory创新性地采用语义嵌入技术,自动关联项目文件和用户偏好,解决了传统AI助手的'金鱼记忆'问题。这种技术在代码审查、复杂调试等开发场景中表现突出,能保持建议一致性并减少重复解释。开发团队还可通过记忆标签和共享功能实现知识传承,特别适合大型项目协作。 阅读详情

Cursor-memory-cli 自动化记忆提取的完整实现

一个用于安装和配置 Cursor Memory 系统的命令行工具。Cursor Memory 是一个持续学习系统,可以从 Cursor 会话中提取结构化记忆,并将其编码为可查询的 JSON 记录,供跨会话调用。

基于 Cursor Memory 实战:如何终结 AI 助手的“金鱼记忆” 的理论方案,完整落地自动化 cursor-memory-cli 工具。仓库地址:cursor-memory-cli

目录

在这里插入图片描述

概述

Cursor Memory 系统通过以下机制工作:

  1. Hook 触发:在每次提交 prompt 前,自动触发记忆评估提醒
  2. Skill 自主执行:cursor-memory skill 独立完成记忆分析、提取和存储
  3. 结构化提取:提取决策、洞察、模式、纠正等多种类型的记忆
  4. 持久化存储:将记忆保存为结构化 JSON 文件,便于后续查询

Skill 与 Command 的关系

  • cursor-memory skill:核心组件,自主完成记忆的分析、提取和存储,无需调用外部命令
  • catch-memory command:手动补充工具,供用户在需要时显式触发记忆提取

核心特性

  • 自动触发:通过 Cursor hooks 机制自动触发记忆评估
  • 智能去重:同一会话的多次提取会自动合并到同一文件
  • 质量过滤:仅保留置信度 >= 50 的高价值记忆
  • 结构化存储:按日期组织的 JSON 文件,便于检索

安装

前置要求

  • Node.js 18+
  • Cursor Editor

运行安装命令

node ~/.cursor/cli/cursor-memory-cli/index.mjs setup

安装模式

CLI 支持两种安装模式:

全局模式(推荐)

适用于所有项目,配置存储在 ~/.cursor/ 目录:

node ~/.cursor/cli/cursor-memory-cli/index.mjs setup --global
本地模式

仅适用于当前项目,配置存储在项目的 .cursor/ 目录:

node ~/.cursor/cli/cursor-memory-cli/index.mjs setup --local
交互式选择

如果不指定模式,CLI 会提示你选择:

node ~/.cursor/cli/cursor-memory-cli/index.mjs setup
? Where would you like to install cursor-memory?
❯ Global (~/.cursor/) - applies to all projects
  Local  (./.cursor/) - applies to current project only

快速开始

1. 安装 Cursor Memory

# 全局安装(推荐)
node ~/.cursor/cli/cursor-memory-cli/index.mjs setup --global

安装完成后会显示:

[ok]   cursor-memory setup complete!
       Components installed:
         - hooks.json (merged)
         - hooks/cursor-memory-reminder.sh (executable)
         - skills/cursor-memory/ (SKILL.md, README.md)
         - commands/catch-memory.md

2. 重启 Cursor

安装完成后,重启 Cursor 以加载新的 hooks 配置。

3. 开始使用

现在每次与 Cursor Agent 交互时,系统会自动评估是否需要提取记忆。cursor-memory skill 会自主完成记忆的分析、提取和存储。

如果需要手动触发记忆提取,可以使用命令:

/catch-memory

安装组件说明

CLI 会安装以下组件:

1. hooks.json

配置 Cursor 在提交 prompt 前触发记忆提醒钩子。

{
  "version": 1,
  "hooks": {
    "beforeSubmitPrompt": [
      {
        "command": "~/.cursor/hooks/cursor-memory-reminder.sh"
      }
    ]
  }
}

注意:如果已有 hooks.json,CLI 会智能合并配置,不会覆盖现有的 hooks。

2. cursor-memory-reminder.sh

位于 hooks/ 目录的可执行脚本,负责:

  • 在每次交互前注入记忆评估提醒规则
  • 创建临时规则文件 rules/cursor-memory-reminder.mdc
  • 提示 Agent 评估当前会话是否产生了值得保留的记忆

3. cursor-memory skill

位于 skills/cursor-memory/ 目录,包含:

  • SKILL.md:技能定义文件,描述何时激活及工作流程
  • references/TYPES.md:10 种记忆类型和 12 种实体类型的定义
  • references/STORAGE.md:存储格式和去重逻辑说明

4. catch-memory 命令(手动补充)

位于 commands/catch-memory.md,作为手动触发记忆提取的补充工具。

注意:cursor-memory skill 已具备独立完成记忆提取的能力,此命令主要用于用户需要显式控制时使用。

使用方法

自动模式(推荐)

安装完成后,cursor-memory skill 会在以下情况自动评估并提取记忆:

  • 解决了复杂的调试问题
  • 通过试错找到了可行的解决方案
  • 用户纠正了 Agent 的假设或方法
  • 做出了重要的架构或技术决策
  • 发现了跨会话相关的洞察

Skill 会自主完成记忆的分析、提取和存储到 ./memories/ 目录,无需用户干预。

手动触发(补充方式)

当需要显式控制记忆提取时,可以在 Cursor 中使用命令:

/catch-memory

分析当前会话并提取记忆。

分析特定会话文件:

/catch-memory /path/to/session-file.json

适用场景:

  • 希望立即提取记忆而不等待自动评估
  • 需要分析历史会话文件
  • 调试记忆提取功能

显式请求

你也可以直接对 Agent 说:

  • “Save memories”(保存记忆)
  • “Remember this”(记住这个)
  • “What did we learn?”(我们学到了什么?)

记忆类型

Cursor Memory 支持 10 种记忆类型:

类型说明示例
decision在备选方案之间做出的选择及其推理选择 Vercel 而非 Netlify 部署,因为 Next.js 集成更好
insight跨会话相关的发现发现遗留认证服务需要特定的 header 格式
confidence完整性或确定性评估高置信度认为数据库迁移是安全的
pattern_seed可能演变为模式的早期观察用户经常要求在实现前先用 Jest 写测试
commitment对未来工作的承诺或期望承诺在 API 变更后更新文档
learning技术或系统学习发现 API 速率限制是 100 req/min,而非 1000
correction用户对 Agent 行为的纠正用户纠正了使用 Redux 的假设,实际使用 Zustand
cross_agent给其他 Agent 的信息给未来 Agent 的注意事项:运行集成测试前必须 seed 测试数据库
workflow_note偏离默认工作流的情况及原因由于时间限制,跳过了此热修复的单元测试
gap发现的缺失信息或能力缺少 staging 环境的访问凭证

置信度评分

每条记忆必须包含置信度评分(50-100):

  • 90-100:记录中的明确陈述
  • 70-89:从上下文强烈暗示
  • 50-69:带有不确定性的合理推断
  • < 50:不提取(太不确定)

存储结构

文件位置

记忆存储在当前工作目录的 ./memories/ 目录下:

./memories/
├── 2026-01-30/
│   ├── 14-30-00-fix-auth-bug.json
│   └── 16-45-00-api-refactor.json
├── 2026-01-31/
│   └── 10-00-00-database-migration.json

JSON 结构

{
  "session_id": "2026-01-30-14-30-00-fix-auth-bug",
  "timestamp": "2026-01-30T14:30:00Z",
  "last_updated": "2026-01-30T15:45:00Z",
  "extraction_count": 2,
  "memories": [
    {
      "type": "decision",
      "category": "technical",
      "title": "选择 JWT 而非 Session 进行认证",
      "content": "决定使用 JWT 进行 API 认证,因为需要支持移动端和无状态的微服务架构",
      "source_chunk": "**User:** 我们应该用什么方式做认证?\n**Assistant:** 考虑到需要支持移动端...",
      "reasoning": "JWT 更适合分布式系统和移动端场景",
      "alternatives": [
        { "option": "Session", "why_not": "需要服务端状态,不适合微服务" }
      ],
      "selected_option": "JWT",
      "confidence_score": 95,
      "related_entities": [
        {
          "type": "project",
          "raw": "auth-service",
          "slug": "auth-service",
          "resolved": true
        }
      ],
      "tools_mentioned": [],
      "urls_mentioned": [],
      "target_agents": []
    }
  ],
  "suggestions": []
}

单会话单文件机制

同一会话的多次记忆提取会自动合并到同一个文件:

  1. 会话标识:基于会话开始时间生成稳定的 session_id
  2. 智能去重:基于 (type, title) 和内容相似度去重
  3. 版本选择:保留置信度更高的版本
  4. 元数据更新:更新 last_updated 和 extraction_count

配置说明

hooks.json 配置

如果需要自定义 hooks 配置,可以编辑 hooks.json:

{
  "version": 1,
  "hooks": {
    "beforeSubmitPrompt": [
      {
        "command": "~/.cursor/hooks/cursor-memory-reminder.sh"
      },
      {
        "command": "其他 hook 命令"
      }
    ]
  }
}

调整记忆提取行为

编辑 skills/cursor-memory/SKILL.md 可以调整:

  • 激活触发条件
  • 记忆质量标准
  • 提取数量限制

常见问题

Q: 安装后 hook 没有触发?

A: 请确保:

  1. 重启了 Cursor
  2. hooks/cursor-memory-reminder.sh 有执行权限(chmod +x)
  3. hooks.json 语法正确

Q: 记忆文件存储在哪里?

A: 记忆存储在当前工作目录的 ./memories/ 目录下,按日期组织。

Q: 如何查看提取的记忆?

A: 直接查看 ./memories/YYYY-MM-DD/ 目录下的 JSON 文件。

Q: 可以禁用自动记忆提取吗?

A: 可以,删除或注释 hooks.json 中的 cursor-memory-reminder.sh 条目即可。

Q: 全局安装和本地安装有什么区别?

A:

  • 全局安装(~/.cursor/):对所有项目生效
  • 本地安装(./.cursor/):仅对当前项目生效,优先级更高

Q: 如何更新 cursor-memory-cli?

A: 重新运行安装命令即可,CLI 会智能合并配置而不会丢失现有设置。

命令参考

Usage: node cli/cursor-memory-cli/index.mjs setup [--global|--local]

Commands:
  setup    Install cursor-memory components

Options:
  --global   Install to ~/.cursor/ (user-level)
  --local    Install to ./.cursor/ (project-level)
  --help     Show help message

技术架构

cursor-memory-cli/
├── index.mjs           # CLI 入口
├── lib/
│   ├── constants.mjs   # 常量定义
│   ├── copy.mjs        # 文件复制工具
│   ├── hooks.mjs       # hooks.json 合并逻辑
│   ├── logger.mjs      # 日志输出
│   ├── setup.mjs       # 安装流程
│   └── ui.mjs          # 交互式 UI
└── templates/
    ├── hooks.json              # hooks 配置模板
    ├── hooks/
    │   └── cursor-memory-reminder.sh  # hook 脚本
    ├── skills/
    │   └── cursor-memory/      # 技能定义
    │       ├── SKILL.md
    │       └── references/
    │           ├── TYPES.md
    │           └── STORAGE.md
    └── commands/
        └── catch-memory.md   # 命令定义

License

MIT

Cursor 深度使用指南(二) - 新能力使用教程 Cursor新能力使用教程,memories,To-Do待办,后台代理等 阅读详情

相关推荐

MCP Memory:用OKF与SQLite FTS5实现Agent长期记忆

AI Agent的交互上下文窗口有限,难以承载跨会话的长期记忆。通过将Google开源的OKF序列化格式与SQLite FTS5全文搜索结合,可以在本地单文件中构建轻量级记忆服务。SQLite作为嵌入式数据库无需独立进程,FTS5提供BM25相关性排序,配合OKF的紧凑编码,实现结构化记忆的高效存储与召回。该方案无GPU门槛,不依赖外部向量数据库,适合个人知识库、自动化任务与轻量级Agent场景。基于MCP标准协议,Claude Desktop、Cursor等客户端可直接接入,让万级至数十万级记忆条目的管理

weixin_34248487的博客 360

为什么架构师岗位即将消失?学会使用Cursor的三大神器Rules、Memories、Commands!小白也能写出专家级代码!

文章摘要:本文分享了如何高效使用Cursor AI编程工具的三大核心功能:Rules(规则)、Memories(记忆)和Commands(指令)。通过配置项目规则(.mdc文件)可以规范AI的代码输出风格;利用Memory功能实现持久性项目记忆;Commands指令则能快速完成重构、解释和测试生成等任务。作者结合SpringBoot项目实例,展示了如何通过规则约束让AI自动生成符合规范的后端代码,并预测未来熟练使用AI工具的开发者将替代传统架构师角色。文章强调合理配置这些功能可大幅提升开发效率,使AI成为可

技术Z先生的博客 1923

AI对话记忆外挂:用ai-memory构建可搜索、可版本化的项目知识库

在AI辅助编程日益普及的今天,如何有效管理和复用与AI助手(如Cursor、Claude Code)的对话历史,成为提升开发效率的关键。这本质上是一个知识管理问题,涉及从非结构化对话中提取结构化信息的技术。其核心原理是利用大语言模型(LLM)的智能分析能力,自动识别对话中的关键要素,如架构决策、编码约定和待办事项,并将其转化为可检索的文档。这项技术的价值在于将一次性的对话消耗品,转化为可沉淀、可复用的团队资产,解决了“上下文丢失”和“知识孤岛”的痛点。其应用场景广泛,尤其适用于需要长期维护、团队协作或频繁进

weixin_30315905的博客 476

cursor-memory-bank:AI 助手的记忆增强工具

cursor-memory-bank:AI 助手的记忆增强工具 项目介绍 Cursor Memory Bank 是一款强大的功能,旨在通过维护会话间的完美文档记录,提升 AI 助理的能力。它通过创建一个结构化的文档系统,解决了 AI 在会话记忆方面的局限性,使其成为一个持久的记忆存储。 项目技术分析 Cursor Memory Bank 的核心是一个基于规则的文档系统。它通过在项目目录中创建 .c...

gitblog_00977的博客 751

Codebase Memory MCP:为AI编程助手构建持久化项目记忆的本地化实践

在实际 AI 辅助编程场景中,一个核心痛点在于大模型对项目代码库的“记忆”能力。无论是 Claude Code、Cursor 还是其他 IDE 插件,模型每次对话的上下文窗口有限,难以记住整个项目的结构、核心逻辑和历史修改。开发者常常需要反复粘贴代码片段、解释文件关系,沟通成本极高。Codebase Memory MCP(Model Context Protocol)正是为了解决这一问题而生的工具,它通过为 AI 智能体构建一个持久化、可检索的代码知识库,让 AI 在动手修改代码前,先“看”懂整个项目的地图

diaoqu4574的博客 427

为AI编程助手构建持久化记忆系统:agent-memory项目详解

在AI编程助手日益普及的今天,如何让它们记住跨会话的上下文信息,成为提升开发效率的关键。这涉及到**持久化存储**与**上下文管理**两大核心技术。通过本地数据库(如SQLite)存储结构化事实、交互偏好和日志,可以实现信息的长期保留。其技术价值在于打破了传统AI助手“金鱼记忆”的局限,实现了“一次告知,处处可用”的智能协作体验。在应用场景上,该方案尤其适用于需要与多个AI工具(如Claude Code、Cursor、Aline)进行深度、连续交互的开发者。本文介绍的`agent-memory`项目,正是基

weixin_30784501的博客 505

Cursor Memory 实战:如何终结 AI 助手的“金鱼记忆”

通过 Hook 机制与结构化提取,cursor-memory 将 AI 的一次性对话转化为可复用的项目资产,实现真正的“越用越聪明”。

💻 Code:TypeScript / Engineering 🤖 AI:Prompt Optimization / Context Memory / Coding Agents 1773

【Qt】QByteArray详解

对象共享同一份数据,直到修改时才进行深拷贝,以节省内存和计算资源。:可存储任意二进制数据(如图片、音频、协议数据),不依赖字符编码。与编码(如 UTF-8、Latin-1)之间的桥梁(例如。• 补零规则确保奇数字符串能正确解析,避免数据截断。:内部自动分配和释放内存,无需手动管理。将输入的字符串视为十六进制编码数据,返回实际数据长度(不包括结尾的。的输入必须是有效的十六进制字符(,但针对 Qt 框架做了优化。:处理加密后的二进制结果(如。• 如果输入字符串长度为奇数,• 若输入长度为奇数,自动在。

CSUC的博客 1599

Cursor Memory Bank 项目启动与配置教程

Cursor Memory Bank 项目启动与配置教程 1. 项目目录结构及介绍 Cursor Memory Bank 项目的主要目录结构如下: cursor-memory-bank/ ├── .cursor/ # 存储规则和配置的目录 │ └── rules/ # 规则文件存放处 ├── .github/ # GitHub...

gitblog_00902的博客 540

麒麟银河操作系统V10部署ffmpeg(也能用于Linux系统)

部署ffmpeg用来处理视频的各种操作,如编码解码,格式转换,剪辑,处理实时视频流,音频流,加滤镜等

zhouwenxing666的博客 9045

如何利用ADS中的耦合线设计带通滤波器并转换为HFSS模型

耦合线带通滤波器是一种常用的微带滤波器形式,由多个长度为四分之一波长的耦合线节组成,在所需频点形成谐振,构成滤波器的频率响应特性。首先我们先来了解一下耦合线带通滤波器的电路结构,见下图:包括两对耦合线,中间为公共连接点,其中两对耦合线的偶奇模阻抗为(Z1e,Z1o)和(Z2e,Z2o,端口输入阻抗为Z0)。2.指定一个初始奇偶模值,ADS优化出一个合适的结果,通过奇偶模值利用linecalc工具计算出微带耦合线尺寸。假设中心频率为2GHz,则对应频点的电长度为。5.运行结果,两个软件仿真结果基本一致。

auqihc的博客 2230

Cursor-memory-cli 自动化记忆提取的完整实现:把 settings 改到 TaoToken

Cursor memory-cli 自动化记忆提取总在 settings 翻车?本文给出可复制配置:把 Cursor 模型通道 Base URL 改为 TaoToken,配合 curl 验证与 /catch-memory 手动触发,解决 401 与 local proxy failed 报错。TaoToken 官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42596214的博客 15

DeepSeek Harness 本地部署与 AI 智能体开发全攻略

大语言模型(LLM)作为当前人工智能领域的核心技术,通过深度学习架构实现了对自然语言的深度理解与生成能力。其技术原理基于Transformer架构,通过海量文本数据训练,使模型能够捕捉语言的内在规律和语义关联。在工程实践中,LLM的价值在于能够作为智能体(Agent)的核心大脑,驱动各类应用实现自然语言交互、任务自动化和知识推理。常见的应用场景包括智能客服、代码生成、内容创作和数据分析等。本文聚焦于DeepSeek Harness这一开源AI应用开发框架,详细讲解如何从零开始部署这一智能体开发平台,并配置D

weixin_42527464的博客 379

Cursor-memory-cli 自动化记忆提取:把 settings 改到 TaoToken 的完整实现

用 cursor-memory-cli 的 beforeSubmitPrompt 钩子做自动化记忆提取时,把 Cursor settings 的 Base URL 改为 https://taotoken.net/api 并验证一次 JSON 提取请求即可跑通。摘要含 TaoToken 官网链接,覆盖 401、local proxy failed、reading choices 等常见报错排查。

weixin_42577735的博客 6

Unity与IOS交互,调用IOS系统相机和相册

与IOS的交互,在步骤上要比android简单许多,不会产生因为系统版本,或者包名导致的许多问题。过程中最头疼的一个问题是IOS回调Unity,很简单的一个问题,搞了半天。

Hello Mingo 1万+

蛋白质组学进阶指南 | (八)差异蛋白筛选与功能解析实战

本文是蛋白质组学差异蛋白筛选与功能解析的实战指南。详细讲解了如何利用R语言的limma包进行差异表达分析,结合FDR校正和差异倍数设定筛选关键蛋白,并通过火山图可视化结果。进一步介绍了使用clusterProfiler进行GO与KEGG功能富集分析,以及利用STRING数据库和Cytoscape构建蛋白互作网络以识别枢纽分子,最终串联分析形成可验证的生物学假说。

weixin_29208077的博客 749

Hermes Memory与Session双轨记忆机制解析

在AI增强工作流中,'记忆管理'是构建可靠个人知识系统的底层能力。其核心在于区分结构化事实存储(Memory)与时序化行为记录(Session)两种范式:前者提供确定性锚点,后者支撑可追溯审计。Hermes通过容量约束、substring精准替换、FTS5全文检索等机制,将LLM推理与本地持久化深度耦合,既规避了向量库的语义漂移风险,又解决了传统缓存无法支撑长期上下文复用的痛点。该设计天然适配技术日记、会议纪要归档、DevOps操作留痕等高保真场景,尤其适合需要司法级可验证性的工程师日常实践。

weixin_33691700的博客 422

RTAB-map:实时高效的SLAM库

Real‐time appearance‐based mapping (RTAB‐Map)是一种基于外观的闭环检测方法,具有良好的内存管理,以满足处理大场景和在线长周期管理要求。RTAB‐Map集成了视觉和激光雷达SLAM方案,并支持目前绝大多数的传感器 是一个强大的、开源的Simultaneous Localization and Mapping(SLAM)库,专为机器人和无人驾驶领域设计。它提供了一套完整的解决方案,用于构建三维地图,并在未知环境中进行实时定位与导航。 github项目地址 RTAB-

weixin_45761399的博客 1万+

Memorix Git Memory实战:把每一次Commit变成可搜索的工程记忆

Memorix 是一个开源的跨 Agent 记忆层,通过 MCP 协议为 Claude Code、Codex、Cursor、Windsurf、Gemini CLI 等编码 Agent 提供共享项目记忆。它的 **Git Memory(Git 记忆)** 功能可以把仓库里每一次 Commit 自动转成可搜索的工程记忆——谁、什么时候、改了什么、为什么改,Agent 随时都能"回忆"起来,而不是每次都

gitblog_01057的博客 155

海思3559av100平台lan9500模块调试记录

1. 前言 通过USB2.0接口扩展一路百兆虚拟网口 2. 配置lan9500驱动 make ARCH=arm64 menuconfig 开启LAN95XX驱动,编译进内核 保存内核配置 3. 编译内核 make ARCH=arm64 CROSS_COMPILE=aarch64-himix100-linux- uImage -j 20 cd ../../arm-trusted-firmware/arm-trusted-firmware ./mk.sh cp ...

jzwjzw19900922的博客 909

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

MemPalace wake-up命令详解:新会话如何600个token唤醒全部项目记忆

MemPalace 是一款免费开源、基准测试成绩领先的 AI 记忆系统(AI memory system),它的 `wake-up` 命令是新会话的"记忆开关":一条命令,用约 **600–900 个 token** 就把身份设定和项目核心记忆注入 AI 上下文,剩下的 95% 以上上下文空间留给真正的对话。 ## 🧠 为什么你需要 wake-up? 每次开启一个新会话,AI 都"失忆"了。

gitblog_00931的博客 450

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Mem0 CLI 完全实战指南:在终端、AI Agent 与 CI/CD 流水线中管理持久记忆(mem0-cli Skill)

> 导读:Mem0 是面向 AI Agent 的记忆层,而 **Mem0 CLI(mem0-cli)** 则把"添加、搜索、列出、更新、删除记忆"等全部记忆操作搬进了终端,使其既能被人类开发者直接敲命令使用,也能被 AI Agent、Shell 脚本与 CI/CD 流水线以结构化 JSON 方式调用。本文以本仓库 [skills/mem0-cli](https://link.gitcode.com

gitblog_00563的博客 435

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Flow-Next 记忆系统深度解析:.flow/memory 如何帮 AI 代理记住项目经验

Flow-Next 是一款面向 Claude Code、Codex、Cursor、OpenCode 等 AI 编码代理的工作流插件,能把一个 bug、想法或工单一路推进到经过验证的 PR。它的记忆系统 `.flow/memory/`,就是让 AI 代理把踩过的坑和学到的经验**留下来**的那一层——跨会话、跨上下文压缩都不丢。这篇文章带你快速看懂它的目录结构、读写机制、状态生命周期和"硬化"玩法。

gitblog_00255的博客 138

Memanto 多智能体集成教程:轻松连接 Claude Code、Cursor 等 14+ 平台

你是否厌倦了每次重启AI助手时都要重新解释项目背景?🤔 智能体是否经常忘记重要的开发决策和代码偏好?今天,我将为你介绍Memanto——一个革命性的智能体记忆系统,它能让你最喜爱的AI助手拥有持久记忆,轻松连接Claude Code、Cursor等14+开发平台! Memanto是一个专为AI智能体设计的持久记忆系统,它就像给智能体装上了"大脑硬盘"。无论你使用Claude Code、Curs

gitblog_01011的博客 972

Mem0 CLI 命令参考详解:从记忆 CRUD 到 Agent 模式与 JSON 信封

Mem0 CLI 是 mem0 记忆平台的官方命令行工具,让开发者、AI Agent 与 CI/CD 流水线可以在终端中直接完成记忆的增删改查。本文以 [command-reference.md](https://link.gitcode.com/i/e5d7e49ce6cc844c9d51bb7ba3288e69) 为骨架,逐一讲解 `init`、`identify`、`add`、`search

gitblog_00855的博客 203

Codex Memory Trim:解决AI编程助手性能下降的全局记忆清理工具

在AI编程助手的使用中,全局记忆机制是提升对话连贯性和上下文理解能力的关键技术。其原理是通过本地存储历史对话和项目信息,实现跨会话的智能辅助。然而,缺乏有效的生命周期管理会导致存储膨胀和性能衰减,这正是许多开发者遇到的工具响应变慢问题的根源。从技术价值看,有效的记忆管理不仅能释放磁盘空间,更能优化I/O开销,直接提升开发工具的启动速度和响应性能。在实际应用场景中,这类似于对开发环境进行磁盘碎片整理和缓存清理,是维护AI编程助手长期稳定运行的重要工程实践。Codex Memory Trim作为专门针对Code

weixin_33851429的博客 427
上一篇: Cursor Memory 实战:如何终结 AI 助手的“金鱼记忆”
下一篇: 我是如何 Vibe Coding,将 AI CLI 工具从 Node.js 迁移到 Rust 并成功发布的
王师傅炼丹中
博客等级 码龄8年 205粉丝 192原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王师傅炼丹中

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值