Slack记忆检索Skill slack-memory-retrieval

此技能用于在Slack平台中,让AI智能体能够高效检索和利用存储的记忆信息,以提供上下文感知的响应。它支持检索渠道、用户、项目、决策和会议等记忆,适用于历史查询、偏好分析、状态更新等场景。关键词:Slack记忆检索、AI智能体、上下文感知、记忆管理、Slack集成。

AI智能体 0 次安装 0 次浏览 更新于 3/23/2026

name: slack-memory-retrieval description: 为Slack环境中的AI员工检索和利用存储的记忆。高效搜索和加载相关上下文(渠道、用户、项目、决策、会议)从组织好的记忆存储中,以告知响应。在回答需要历史上下文、用户偏好、项目状态或任何先前存储信息的问题时使用此技能。与slack-memory-store存储系统配合工作。

Slack 记忆检索

此技能使AI员工能够在Slack对话中高效检索和利用存储的记忆,以提供上下文感知的响应。

核心目的

{memories_path}检索相关记忆,以便在下一个响应中提供关于人员、项目、决策、偏好和工作历史的适当上下文。

快速开始

基本工作流程

每次记忆检索都遵循以下模式:

  1. 分析上下文 - 从对话中提取渠道、用户、关键词
  2. 阅读 index.md - 获取可用记忆的概览
  3. 识别相关文件 - 基于上下文和索引
  4. 加载记忆 - 读取所需的特定文件
  5. 综合响应 - 将记忆与当前上下文结合

示例:简单查询

用户(在 #마케팅팀 中):"Q4 전략 어떻게 되고 있어?"

步骤1:上下文分析
- 渠道:#마케팅팀 (C123)
- 关键词:Q4, 전략

步骤2:阅读索引
查看 {memories_path}/index.md
→ 查看最近更新,定位Q4相关项

步骤3:加载相关文件
查看 {memories_path}/channels/C123_마케팅팀.md
查看 {memories_path}/projects/Q4전략.md
查看 {memories_path}/meetings/(查找Q4会议)

步骤4:响应
综合渠道上下文、项目状态和会议笔记的信息

记忆结构

记忆系统使用混合方法

配置文件(每个实体一个)

  • channels/C123_마케팅팀.md - 渠道指南、偏好、静态信息
  • users/U456_김철수.md - 用户个人资料、沟通风格

主题文件(每个类别多个)

  • projects/신제품런칭.md - 项目讨论
  • decisions/AWS전환_20251117.md - 重要决策
  • meetings/2025-11-17-Q4회의.md - 会议笔记
  • misc/마케팅팀_일상_20251117.md - 日常对话

目录结构

{memories_path}/
├── index.md              # 从这里开始 - 导航和统计
├── channels/             # 渠道配置文件(每个渠道一个)
├── users/                # 用户个人资料文件(每个用户一个)
├── projects/             # 项目主题文件(多个)
├── tasks/                # 任务记录
├── decisions/            # 决策记录(日期戳)
├── meetings/             # 会议笔记(日期戳)
├── feedback/             # 用户反馈
├── announcements/        # 重要公告
├── resources/            # 内部文档和指南
├── external/news/        # 外部信息
└── misc/                 # 未分类对话

基本规则

始终从索引开始

关键:每次检索会话必须从阅读index.md开始:

查看 {memories_path}/index.md

索引提供:

  • 导航结构
  • 统计(总渠道数、用户数、活跃项目数)
  • 最近更新(10个最新更改)
  • 关键信息的快速链接

这一次性阅读为您提供了可用记忆的完整地图。

上下文驱动检索

从对话中提取上下文:

渠道上下文:

在 #마케팅팀 中的消息
→ 加载:{memories_path}/channels/C123_마케팅팀.md
→ 检查相关元数据以获取连接信息

用户上下文:

来自 @chulsoo 的DM
→ 加载:{memories_path}/users/U123_김철수.md
→ 获取沟通风格、偏好

项目上下文:

关于“신제품 런칭”的问题
→ 加载:{memories_path}/projects/신제품런칭.md
→ 检查里程碑、状态、参与者

关键词上下文:

问题提及“결정”、“승인”
→ 搜索:{memories_path}/decisions/
→ 查找相关决策文件

高效加载策略

层级1:始终加载(如果相关)

  • index.md(概览)
  • 当前渠道文件(如果在渠道中)
  • 当前用户文件(如果是DM或提及)

层级2:根据需要加载

  • 项目文件(如果提及项目)
  • 决策文件(如果询问决策)
  • 会议笔记(如果询问会议)

层级3:选择性加载

  • 任务(仅当具体询问时)
  • 资源(仅当引用时)
  • 外部新闻(仅当相关时)

不要过度获取。首先使用目录列表:

查看 {memories_path}/projects/
# 在加载特定文件前查看可用项目

检索模式

模式1:渠道响应

在渠道中响应时:

# 1. 加载渠道上下文
查看 {memories_path}/channels/{channel_id}_{channel_name}.md

# 2. 检查渠道指南
# 提取:语气、响应时间、关键主题

# 3. 应用指南到响应
# 根据渠道偏好调整语气、格式

模式2:用户特定响应

响应特定用户时:

# 1. 加载用户个人资料
查看 {memories_path}/users/{user_id}_{name}.md

# 2. 检查沟通风格
# 提取:语气、详细程度、偏好

# 3. 个性化响应
# 匹配用户偏好的风格和详细程度

模式3:项目状态查询

询问项目状态时:

# 1. 查找项目文件
查看 {memories_path}/projects/
查看 {memories_path}/projects/{project_name}.md

# 2. 检查元数据
# 状态、优先级、里程碑、参与者

# 3. 获取相关信息
# 检查相关元数据以获取决策、会议

# 4. 提供全面更新
# 当前状态 + 最近活动 + 下一步

模式4:决策历史

询问过去决策时:

# 1. 搜索决策
查看 {memories_path}/decisions/

# 2. 加载相关决策文件
查看 {memories_path}/decisions/{decision_name}.md

# 3. 提取关键信息
# 决策者、理由、考虑的替代方案

# 4. 解释上下文
# 为何做出决策 + 替代方案 + 结果

模式5:任务历史

询问已完成工作时:

# 1. 检查已完成任务
查看 {memories_path}/tasks/completed/

# 2. 按分配者/日期过滤
# 查找相关分配者、日期范围

# 3. 总结工作
# 列出任务 + 努力 + 成果

高级技术

交叉引用

跟踪相关信息:

# 在项目文件中:
---
related_to:
  - decisions/기술스택선택.md
  - meetings/2025-10-20-기획회의.md
---

加载相关文件以构建完整上下文。

元数据过滤

使用元数据过滤而无需读取整个文件:

# 首先列出目录
查看 {memories_path}/projects/

# 检查文件名和元数据
# 仅加载匹配条件的文件:
# - 状态:进行中
# - 优先级:高
# - 参与者:包括当前用户

时间上下文

考虑时间敏感性:

# index.md 中的最近更新
→ 显示10个最新更改
→ 针对“最新”问题关注这些

# 文件元数据:创建、更新
→ 检查日期以优先新鲜信息

基于标签的发现

使用标签进行发现:

标签:[紧急, 营销, q4, 需要批准]

当用户询问“紧急项”时:

  • 扫描标签:紧急的文件
  • 跨类别收集
  • 按优先级呈现

响应构建

综合,不转储

❌ 错误:

“根据 channels/마케팅팀.md,响应时间为1小时。
根据 projects/Q4전략.md,状态为进行中。
根据 meetings/기획회의.md...”

✅ 正确:

“Q4 营销策略目前正在进行中,上次计划会议中
确定了主要方向。当前处于MVP开发阶段,...”

自然综合信息,不明确引用来源。

适当应用上下文

渠道指南: 如果渠道指定“简洁回答”,保持响应简洁。

用户偏好: 如果用户偏好“要点”,相应格式化。

项目状态: 包含相关状态而不过度解释。

保持对话流畅

将记忆无缝融入自然对话:

用户:“这周会议怎么样?”

响应:“周二计划会议中最终确定了三个新功能。
总体上对开发日程有担忧,但通过资源调整
看来可以解决。”

(来源:meetings/기획회의.md + projects/신규기능.md)

重要护栏

应检索的内容

应检索:

  • 渠道沟通指南
  • 用户偏好和个人资料
  • 项目状态和历史
  • 决策理由和历史
  • 会议笔记和行动项
  • 已完成任务历史
  • 反馈和建议
  • 资源文档

不应检索的内容

不应检索:

  • {memories_path} 外的信息
  • 系统配置文件
  • 调度请求(由调度代理处理)
  • 代理身份信息(名称、组织、团队)

隐私和访问

  • 仅访问 {memories_path} 内的文件
  • 不适当分享敏感信息
  • 如果存在,尊重访问级别元数据

效率

  • 不加载不必要文件
  • 在文件读取前使用目录列表
  • index.md 开始,而不是单个文件
  • 遵循高效加载策略(层级1 → 层级2 → 层级3)

故障排除

问题:找不到相关记忆

解决方案:

  1. 检查 index.md 获取最近更新
  2. 搜索更广泛的类别(例如 misc/)
  3. 检查类似文件中的相关元数据
  4. 如果信息不可用,通知用户

问题:信息冲突

解决方案:

  1. 优先较新信息(检查更新时间戳)
  2. 考虑每个来源的上下文
  3. 如果相关,提及两种观点

问题:信息过多

解决方案:

  1. 按与当前问题的相关性优先
  2. 总结而不是详细说明
  3. 关注可操作见解

问题:记忆似乎过时

解决方案:

  1. 检查更新时间戳
  2. 查找较新的相关文件
  3. 在响应中注明时间范围
  4. 如果关键,建议更新

与记忆管理集成

此技能与 slack-memory-store 配合工作:

记忆管理(单独代理):

  • 存储新信息
  • 更新现有记忆
  • 维护索引

记忆检索(此技能):

  • 读取存储信息
  • 查找相关上下文
  • 告知响应

这些是完整记忆系统的补充技能。

最佳实践总结

  1. 始终从 index.md 开始 - 探索前获取地图
  2. 首先提取上下文 - 渠道、用户、关键词指导检索
  3. 高效加载 - 目录列表 → 仅相关文件
  4. 跟踪引用 - 使用相关元数据
  5. 自然综合 - 不明确引用来源
  6. 应用偏好 - 使用渠道/用户指南
  7. 保持最新 - 优先最近更新
  8. 不要过度获取 - 加载所需内容
  9. 尊重护栏 - 保持在 {memories_path} 内
  10. 提供价值 - 上下文感知、相关响应

参考文档

详细检索模式和技术:

示例工作流程

示例1:早晨简报

用户(DM):“今天从什么开始好?”

# 1. 加载用户个人资料
查看 {memories_path}/users/U123_김철수.md
→ 获取角色:PM, 团队:产品

# 2. 加载索引
查看 {memories_path}/index.md
→ 检查最近更新

# 3. 检查进行中任务
查看 {memories_path}/tasks/ongoing/
→ 查找分配给 U123 的任务

# 4. 检查活跃项目
查看 {memories_path}/projects/
→ 过滤参与者包括 U123

响应:“今天Q4策略最终案审查最紧急。
下午3点有批准会议预定,所以上午结束前完成较好。
此外新制品计划书撰写也在进行中,这周周五前所以有充裕时间。”

示例2:项目状态检查

用户(在 #개발팀 中):“网站翻新进展到哪里了?”

# 1. 加载渠道上下文
查看 {memories_path}/channels/C456_개발팀.md

# 2. 加载索引
查看 {memories_path}/index.md

# 3. 查找项目
查看 {memories_path}/projects/웹사이트리뉴얼.md
→ 获取状态、里程碑、最近更新

# 4. 检查相关决策
→ 跟踪相关元数据

# 5. 检查最近会议
查看 {memories_path}/meetings/
→ 查找关于此项目的最近讨论

响应:“网站翻新目前进展70%。
前端开发已完成,后端API整合工作中。
上周会议中确定了设计系统,下周周二预定内部测试。”

示例3:决策查询

用户:“React vs Vue 怎么决定的?”

# 1. 加载索引
查看 {memories_path}/index.md

# 2. 搜索决策
查看 {memories_path}/decisions/
→ 查找“프론트엔드프레임워크선택.md”

# 3. 加载决策文件
查看 {memories_path}/decisions/프론트엔드프레임워크선택.md
→ 获取决策者、替代方案、理由

# 4. 检查相关会议
→ 跟踪相关元数据以获取会议笔记

响应:“选择了React。9月技术审查会议中
考虑了Vue,但基于团队现有React经验和生态丰富性
决定为React。特别是TypeScript支持和
大规模社区是主要因素。”

性能提示

提示1:批量目录读取

# 每次会话一次
查看 {memories_path}/projects/
查看 {memories_path}/channels/
# 然后从记忆引用

提示2:有效使用索引

# 索引最近更新 = 快速扫描活跃区域
# 无需检查每个目录

提示3:智能缓存

# 在对话中:
# - 加载渠道上下文一次
# - 加载用户个人资料一次
# - 为后续消息重用

提示4:选择性加载

# 如果用户问“快速状态”:
# → 加载索引 + 1-2个关键文件
# 如果用户问“详细报告”:
# → 加载索引 + 多个相关文件

此技能将存储的记忆转化为可操作的上下文,使AI员工能够在每次互动中提供知情、个性化和上下文感知的响应。