refactor: update SKILL.md to encourage proactive graph memory usage

- Change positioning from 'enhancement' to 'primary long-term memory'
- Add explicit guidelines for when AI must query/update memory
- Add query templates for persona and tasks at conversation start
- Update all 3 skills: graph-memory, graph-memory-persona, graph-memory-task
- Sync bundled-skills with standalone skills

skills/graph-memory/SKILL.md

@@ -1,6 +1,6 @@
 ---
 name: graph-memory
-description: "图记忆工具 - 检索、写入、删除记忆。作为 OpenClaw memory-core 的增强补充，不替代其核心功能"
+description: "图记忆工具 - 检索、写入、删除记忆。AI 应优先使用图数据库管理长期记忆，将重要事实结构化存储"
 metadata: {"openclaw": {"requires": {"bins": ["node"]}}}
 user-invocable: true
 ---
@@ -9,21 +9,21 @@ user-invocable: true
 
 让 AI 拥有真正的长期记忆能力。
 
-> **定位声明**：本工具是 **OpenClaw memory-core 的增强补充**，而非替代。memory-core 负责 session transcripts 和历史消息管理，GraphMemory 提供图数据库形式的结构化长期记忆。两者可并存运行。
+> **定位声明**：本工具是 AI 的**主要长期记忆系统**。memory-core 管理 session transcripts，GraphMemory 负责结构化长期记忆。AI 在对话中应优先将重要信息写入图数据库，而非依赖 message 历史。
 
 ## 与 memory-core 的关系
 
 | 功能 | memory-core | GraphMemory (本工具) |
 |------|-------------|---------------------|
 | 对话历史 | ✅ 自动保存 messages | ❌ 不管理对话历史 |
-| 结构化记忆 | ❌ 无 | ✅ 三元组图存储 |
-| 人设管理 | ❌ 无 | ✅ persona_update/clear |
-| 任务追踪 | ❌ 无 | ✅ task_create/set_state |
+| 结构化记忆 | ❌ 无 | ✅ **主要存储** |
+| 人设管理 | ❌ 无 | ✅ **主要存储** |
+| 任务追踪 | ❌ 无 | ✅ **主要存储** |
 | 上下文压缩 | ❌ 无 | ✅ context_rewrite |
 | 工作记忆链 | ❌ 无 | ✅ working_memory_chain |
 | **语义搜索** | **❌ 无** | **✅ memory_search** |
 | **记忆文件读取** | **❌ 无** | **✅ memory_get** |
-| 自动触发 | ✅ 自动索引检索 | ❌ LLM 可选调用 |
+| 自动触发 | ✅ 自动索引检索 | ❌ LLM 主动调用 |
 
 ## 核心概念
 
@@ -204,9 +204,43 @@ AI 会执行：
 
 ## 使用原则
 
-1. **选择性记忆**：只记住重要和持久的信息
-2. **结构化**：使用三元组格式存储关系
-3. **定期清理**：删除过时或错误的信息
-4. **关联思考**：利用关系进行联想记忆
-5. **与 memory-core 配合**：对话历史由 memory-core 管理，结构化事实由 GraphMemory 管理
-6. **主动查询人设**：参考 `graph-memory-persona-force` Skill，在适当时候主动查询用户偏好和决策
+1. **优先使用图记忆**：对于重要事实、偏好、决策、任务等持久信息，**优先**使用 `commit` 写入图数据库，而非依赖 message 上下文
+2. **主动检索**：在回答用户问题前，**先调用 `recall` 或 `memory_search`** 检索相关记忆，而非仅凭当前上下文推理
+3. **结构化**：使用三元组格式存储关系，确保信息可被关联检索
+4. **定期清理**：删除过时或错误的信息
+5. **上下文压缩**：当对话过长时，使用 `context_rewrite` 将历史压缩为记忆节点
+6. **工作记忆**：使用 `working_memory_chain` 获取当前会话的上下文链
+7. **主动查询人设**：参考 `graph-memory-persona-force` Skill，在适当时候主动查询用户偏好和决策
+
+## 记忆策略指南
+
+### 什么时候写入图数据库？
+
+**必须写入**：
+- 用户明确说"请记住"、"记住这个"等
+- 用户透露偏好、习惯、身份信息
+- 做出重要决策或选择
+- 创建任务或目标
+- 关键知识点或学习成果
+
+**建议写入**：
+- 对话中重复出现的重要概念
+- 用户纠正或补充的信息
+- 项目相关的配置、路径、决策
+
+**无需写入**：
+- 临时性问候、寒暄
+- 一次性问题（如"现在几点"）
+- 已在图数据库中的重复信息
+
+### 什么时候检索图数据库？
+
+**必须检索**：
+- 用户问"我之前说过..."、"你还记得..."
+- 需要基于历史偏好做推荐或决策
+- 继续之前的任务或话题
+
+**建议检索**：
+- 每次对话开始时，检索用户相关信息
+- 做推荐前先了解用户偏好
+- 涉及人设或性格相关的话题