knowledge-fetch

# 会话召回技能

从三层数据源查询历史知识并注入当前会话上下文。

## 触发场景

### 场景 1: 用户感到沮丧

用户可能**感到烦躁**，因为：
- 你似乎忘记了之前学过的东西
- 你在重复之前被纠正过的错误
- 你在走之前已证明行不通的方向
- 你在忽略用户已表达过的偏好

**处理方式**: 先主动道歉，再展示召回结果。

### 场景 2: 常规查询

用户只是想查询历史记录：
- "有没有关于 X 的记录？"
- "之前怎么处理的？"
- "我的偏好是什么？"

**处理方式**: 直接展示召回结果，不假设用户沮丧。

### 场景 3: 主动刷新

用户调用 `/recall` 无参数：
- 对话已持续较长时间
- 想刷新上下文中的知识

**处理方式**: 展示所有三层的简洁摘要。

## 三层数据源

### 设计原则

| 层级 | 核心问题 | 特性 |
|------|----------|------|
| Project CLAUDE.md | "这个项目需要知道什么？" | 项目特定、自动加载 |
| User CLAUDE.md | "每个会话都需要知道什么？" | 身份性、高频、自动加载 |
| Memory MCP | "特定情境下需要召回什么？" | 情境性、按需查询 |

按优先级顺序查询（越具体越优先）：

### Layer 1: Project CLAUDE.md（项目规则）

**位置**: `{repo}/CLAUDE.md` 或 `{repo}/.claude/CLAUDE.md`

**内容类型**:
- 项目特定规则和约定
- 工具链配置
- 代码风格要求

**查询方式**: 读取文件，按 section 标题匹配关键词

### Layer 2: User CLAUDE.md（用户身份）

**位置**: `~/.claude/CLAUDE.md`

**内容类型**（身份层 - "What I always need to know"）:
- 核心身份信息（语言、沟通风格）
- 高频工具偏好（每会话都用）
- 环境配置（不变的事实）
- 响应质量标准

**查询方式**: 读取文件，按 section 标题匹配关键词

### Layer 3: Memory MCP（历史经验）

**内容类型**（经验层 - "What I learned for specific situations"）:
- 问题解决经验 (problem_solving) - 特定技术/工具的解决方案
- 交互模式 (interaction_pattern) - 从会话中学到的教训
- 技术知识 (technical_knowledge) - 特定情境的知识
- 学习历史 (learning_history) - 会话学习摘要

**查询方式**: 使用 `mcp__memory__search_nodes`

## 执行步骤

### 第一步：理解上下文

分析用户为什么调用 `/recall`：
1. 判断触发场景（沮丧/常规/刷新）
2. 提取关键词（用户参数 > 对话上下文）
3. 确定查询范围

如果用户提供了参数（如 `/recall 代码风格`），用它们作为主要关键词。

### 第二步：查询 Project CLAUDE.md

```
1. 读取 {repo}/CLAUDE.md 或 {repo}/.claude/CLAUDE.md
2. 按 section 标题匹配关键词
3. 提取相关段落
```

### 第三步：查询 User CLAUDE.md

```
1. 读取 ~/.claude/CLAUDE.md
2. 按 section 标题匹配关键词
3. 提取相关段落
```

### 第四步：查询 Memory MCP

```
mcp__memory__search_nodes
- query: [提取的关键词]
```

搜索策略：
- 中英文都试试
- 先宽泛搜索，结果太多再缩小范围

### 第五步：格式化并展示

按层级分组展示结果：

```markdown
## 召回结果

### 📁 项目规则 (CLAUDE.md)
找到 X 条相关规则：
- **[Section 标题]**: [相关内容摘要]

### 👤 用户偏好 (~/.claude/CLAUDE.md)
找到 X 条相关偏好：
- **[Section 标题]**: [相关内容摘要]

### 🧠 历史经验 (Memory MCP)
找到 X 条相关记录：
- **[实体类型]**: [观察内容]

---

**应用到当前情况**: 基于这些召回，我会...
```

#