trellis mem，从本地 Claude Code、Codex、Grok、OpenCode、Pi、ZCode 的会话记录里检索内容，并用 session-id + 原话引用作答。
触发短语包括：上次、之前、我跟 Claude 聊过、what did I tell ... last week、我之前在哪个项目讨论过 等指向过往对话的表述。
未装 skill 时 AI 默认回复”我不记得”或基于推测作答。skill 通过 frontmatter 的 description 字段告诉 AI 这些场景下该跑 trellis mem，并给出 search → context 两步检索的指令。
前置条件
安装
向 AI 询问”有哪些 skill 可用”，列表中出现
mem-recall 即安装成功。
触发示例
无需手动调用命令，下列用户消息均会触发 skill：- 上次我们怎么解决 #240 的 wait_agent 卡死？
- 我之前在哪个项目讨论过 plugin 设计？
- 翻一下历史，我跟 Codex 之前怎么处理 hook 注入的
- find what I told Claude about memory architecture last week
检索流程
skill 指引 AI 按两步执行。 Step 1 — 候选检索(3 × 用户轮命中数 + AI 轮命中数) / 总轮数，用户轮加权 ×3 以反映话题主导性。
Step 2 — 内容提取
--max-chars 调整。
检索前清洗
trellis mem 在搜索前剥除以下内容，确保命中反映真实对话：
- prompt 注入：
<system-reminder>/<workflow-state>/<INSTRUCTIONS>/<environment_context>等 - Codex AGENTS.md 引导文（首条用户消息整条丢弃）
- 工具调用与返回结果（仅保留 text block） compact 之前的轮次会保留，并标出 compact 发生的位置。平台没有以可读形式保存的内容会明确报告而不是静默丢弃：Codex 对 agent 之间的消息加密，Grok 把 compact 前的对话存为 markdown。
数据来源
直接读取本地文件，无 daemon、无索引、不上传。不适用场景
mem-recall 仅用于检索 AI 历史对话内容，不处理代码或文件检索。
性能
无状态，每次冷读磁盘。冷热运行性能相当（依赖操作系统页缓存）。