ME
memory-grep
传统检索引擎集成：利用 SmartGrep (BM25 + Fuzzy) 召回向量匹配难以处理的精确事实。当用户询问特定错误 ID、唯一代号、或特定的代码 API 细节时触发。
Install
mkdir -p .claude/skills/memory-grep && curl -L -o skill.zip "https://agentskills.codes/api/skills/download/13928" && unzip -o skill.zip -d .claude/skills/memory-grep && rm skill.zipInstalls to .claude/skills/memory-grep
Activation
This is the description your AI agent reads to decide when to run this skill — the better it matches your request, the more reliably it fires.
传统检索引擎集成：利用 SmartGrep (BM25 + Fuzzy) 召回向量匹配难以处理的精确事实。当用户询问特定错误 ID、唯一代号、或特定的代码 API 细节时触发。88 charsno explicit “when” trigger
About this skill
🧠 Memory-Grep Skill
核心理念
当向量搜索失效时，回归传统关键词的力量。
向量检索的弱点（需要使用此 Skill 的场景）：
- 唯一代号：如
REQ-001、BUG-004等，向量容易召回语义相近但不相关的文档。 - 特定术语：如
ClawRouter、PWA-Offline等，向量由于 embedding 的稀释，召回权重低。 - 错误堆栈：如特定的
Traceback信息，向量无法通过局部匹配精确定位。 - 配置文件路径：如
/etc/nginx/conf.d/等。
🛠️ 工作原理：传统检索主线
此 Skill 主要依赖后端 SmartGrepService 和 MemoryService 的 auto 模式：
- BM25 (Best Match 25)：权重化关键词检索，对出现频率低但重要的词（如专有名词）赋予高分。
- Fuzzy Trigram：容错检索。即使你查询时有拼写错误（如把
PostgreSQL写成Postgre），也能召回。 - 零成本同义词：内置 14 个技术分类，搜“数据库”自动关联“db/mysql/postgres”，无需消耗 Token 调用 LLM。
🧭 执行指南
1. 识别场景
如果你（Agent）在上下文中看到 --- DEEP MEMORY (Tier-3 Vector) --- 召回的内容与用户的核心实体完全不符，你应意识到语义漂移。
2. 利用检索证据
在 get_context 召回的上下文中，请重点观察：
--- LOG EVIDENCE (SmartGrep) --- 区块。
[bm25]标记：表示词根绝对匹配（硬核事实）。[fuzzy]标记：表示高度相似匹配（可能含拼写纠正）。
3. 输出策略
在最终回答中，如果信息来自 SmartGrep，请优先信任其精确性。例如：
- ❌ “系统提到了一些关于数据库优化的内容。”
- ✅ “根据 SmartGrep 的日志证据，在
2026-03-18.md中记录了针对PostgreSQL的Index creation决策。”
🔗 协同关系
- 输入：
MemoryService.get_context(query)自动触发。 - 决策层：
memory_governance_service评估密度。 - 互补：作为
Deep Vector(Tier-3) 的高性能并行分支。