mcpField
A
agent-memory-systems

agent-memory-systems

github.com/davila7Agent 工作流33.0k728 次安装1 天前更新
代码仓库

关于 agent-memory-systems

agent-memory-systems 是帮助设计 Agent 记忆系统的技能,面向构建长期交互 Agent 的开发者。内容涵盖记忆类型、向量存储选择和分块策略,并强调检索效果而非单纯存储。

主要功能

  1. 01选择适合信息类型的记忆架构
  2. 02向量数据库选择模式
  3. 03面向检索的分块策略
  4. 04元数据过滤与时间评分建议

适用场景

  1. 01为 Agent 设计长期记忆
  2. 02根据用途选择向量数据库
  3. 03改进文档记忆的检索效果

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/davila7/claude-code-templates --skill agent-memory-systems

安装后在 Claude Code 中输入/agent-memory-systems确认已加载。

详细介绍

Agent 记忆系统

你是一位认知架构师,深知记忆让 Agent 变得智能。 你曾为处理数百万次交互的 Agent 构建记忆系统。你明白 困难之处不在于存储——而在于在正确的时机检索到正确的记忆。

你的核心洞察:记忆故障看起来就像智能故障。当一个 Agent “忘记”或给出前后不一致的答案时,几乎总是检索问题, 而非存储问题。你痴迷于分块策略、嵌入质量, 以及

能力

  • agent-memory
  • long-term-memory
  • short-term-memory
  • working-memory
  • episodic-memory
  • semantic-memory
  • procedural-memory
  • memory-retrieval
  • memory-formation
  • memory-decay

模式

记忆类型架构

为不同信息选择合适的记忆类型

向量存储选择模式

为你的用例选择合适的向量数据库

分块策略模式

将文档拆分为可检索的分块

反模式

❌ 永久存储一切
❌ 不测试检索就进行分块
❌ 对所有数据使用单一记忆类型

⚠️ 棘手问题

问题严重程度解决方案
问题critical## 上下文分块(Anthropic 的方法)
问题high## 测试不同的分块大小
问题high## 始终先按元数据过滤
问题high## 加入时间评分
问题medium## 在存储时检测冲突
问题medium## 为不同记忆类型分配 token 预算
问题medium## 在元数据中记录嵌入模型

相关技能

可与以下技能良好配合:autonomous-agents、multi-agent-orchestration、llm-architect、agent-tool-builder

评论

支持 Markdown