跳转到主要内容
mem-recall 让 AI 在用户提到过往对话时自动调用 trellis mem，从本地 Claude Code、Codex、OpenCode、Pi 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

工具用途必需
Trellis CLI 0.6.0-beta.0+提供 trellis mem 命令必需
Claude Code、Codex CLI、OpenCode、Pi历史会话来源至少一个
npm install -g @mindfoldhq/trellis@beta
trellis --version   # ≥ 0.6.0-beta.0

​
安装

npx skills add mindfold-ai/marketplace --skill mem-recall
或安装所有 marketplace skill： 
npx skills add mindfold-ai/marketplace
参数说明
-g全局安装到 ~/.claude/skills/
-a claude-code指定目标 agent
-y非交互模式
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 
trellis mem search "<关键词>" [--cwd <project>] [--since <date>]
多 token AND 检索清洗后的对话内容，返回带打分的 session 列表。打分公式 (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 
trellis mem context <session-id> --grep <关键词> --turns 3 --around 1
返回 top-N 命中轮次及上下文，默认字符预算 ≤6000，可经 --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）
  • 被 compact 替换的旧轮次（Claude isCompactSummary、Codex compacted 事件之前的内容由 summary 替代）

​
数据来源

直接读取本地文件，无 daemon、无索引、不上传。
平台存储
Claude Code~/.claude/projects/<sanitized-cwd>/*.jsonl
Codex~/.codex/sessions/YYYY/MM/DD/rollout-*.jsonl
OpenCode~/.local/share/opencode/storage/{session,message,part}/...
Pi~/.pi/agent/sessions/<encoded-cwd>/<timestamp>_<id>.jsonl

​
不适用场景

需求工具
搜代码Grep / Read
搜 commit 历史git log / gh
搜当前项目文件 / 文档Read / Glob
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

范围时间
项目内 3 周检索~0.85s
全局无时间过滤检索~3s
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）。