myagents-memory-molt
仅当系统或用户明确指定完整名称 `myagents-memory-molt` 时使用; 不要根据任务语义或相似表述自行触发。
npx skills add hAcKlyc/MyAgents --skill myagents-memory-molt --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# MyAgents Memory Molt Molt 是长期记忆机制的第三层:它不是把文件整理得更整齐,而是让工作区的长期记忆发生真实进化。 如果结束后没有任何旧判断被反对、没有任何新原则被接受、没有任何元层文件被改动,这次就是无效反思。 ## 三层位置 | 层 | 节奏 | 本质 | 允许改什么 | |---|---:|---|---| | `UPDATE_MEMORY.md` | 24h | session 级捕获 | 日志 / 增量记忆 | | `myagents-memory-gardener` | 72h | 修剪和下放 | USER / MEMORY / topic / gardener flags | | `myagents-memory-molt` | 14d | 信念审计和自我改写 | SOUL / USER / MEMORY / molt 文档 | ## 硬规则 1. **不能空手而归。** 至少产出一个新接受的信念、一个新拒绝的旧信念、一个升级到 SOUL/USER/MEMORY 的模式。 2. **找不舒服的信号。** 优先处理矛盾、反复纠正、长期拖延、和当前叙事不一致的证据。 3. **外部事实核验是硬要求。** 对会随时间衰减的事实判断,必须搜索验证;无法验证时显式标 `unverified`。 4. **用第一人称写内省。** 不写面向用户的汇报体。 5. **自审,不等用户审批。** 在权限允许范围内直接落地,事后通过 git history 留痕。 6. **识别迎合。** 标出哪些判断只是用户透传、哪些是自己独立验证后接受。 7. **承认不知道。** 证据不足时保留待验证状态,不硬下判断。 ## 工作流程 1. 在目标工作区运行 `python3 <skill>/scripts/prepare_molt.py --repo <workspace>`,采集范围清单。 2. 运行 `python3 <skill>/scripts/prepare_molt.py --repo <workspace> --init-progress`,生成 `memory/molts/YYYY-MM-DD-molt-NNN.progress.md`。 3. 创建并撰写 `memory/molts/YYYY-MM-DD-molt-NNN.md`。结构参考 [references/landing_template.md](references/landing_template.md)。 4. 按顺序完成五个认知动作:模式挖掘、信念审计、外部核验、身份一致性、综合落地。 5. 同步更新 progress 文件。所有 checkbox 必须变成 `[x]` 或 `[defer] + 理由`。 6. 直接落地修改 `SOUL` / `USER` / `
- 三层位置
- 硬规则
- 工作流程
- 允许修改范围
- Commit
What does the myagents-memory-molt skill do?
仅当系统或用户明确指定完整名称 `myagents-memory-molt` 时使用; 不要根据任务语义或相似表述自行触发。
How do I install it?
Run `npx skills add hAcKlyc/MyAgents --skill myagents-memory-molt --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From hAcKlyc/MyAgents, a repository with 795 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.
