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
- 01选择适合信息类型的记忆架构
- 02向量数据库选择模式
- 03面向检索的分块策略
- 04元数据过滤与时间评分建议
适用场景
- 01为 Agent 设计长期记忆
- 02根据用途选择向量数据库
- 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