会話間でコンテキストを忘れるAIエージェントは、ユーザー体験の低下につながります。このスキルは、永続ストレージ用のAgentDBメモリパターンを提供し、エージェントがやり取りを記憶し、経験から学習し、セッション間でコンテキストを維持できるようにします。
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "agentdb-memory-patterns". セッションメモリをセットアップしてユーザーメッセージを保存
النتيجة المتوقعة:
Session memory initialized at .agentdb/reasoningbank.db
Stored message:
- Role: user
- Content: 'What is the capital of France?'
- Timestamp: 1737472800000
To retrieve context later, call retrieveWithReasoning() with the query embedding.
استخدام "agentdb-memory-patterns". 言語のユーザー設定を保存
النتيجة المتوقعة:
Fact stored successfully:
- Category: user_preference
- Key: language
- Value: English
- Confidence: 1.0
- Source: explicit
This preference will persist across sessions.
استخدام "agentdb-memory-patterns". データベース統計を確認
النتيجة المتوقعة:
Database Statistics:
- Total patterns: 1,247
- Average confidence: 0.82
- Last consolidated: 2 hours ago
- Vector dimensions: 768
- Quantization: scalar (4x memory reduction)
التدقيق الأمني
آمنAll static findings evaluated as false positives. The skill provides documentation for AgentDB persistent memory patterns. Scanner flagged CLI command examples, database file references, and metadata URL as risks, but these are legitimate components of a database documentation skill with no actual code execution or credential access.
عوامل الخطر
📁 الوصول إلى نظام الملفات (2)
درجة الجودة
ماذا يمكنك بناءه
ステートフルなチャットアシスタントの構築
過去の会話、ユーザー設定、コンテキストを記憶し、セッション間でパーソナライズされた応答を提供するチャットエージェントを作成します。
パターンベース学習エージェントの実現
成功したやり取りからパターンを保存し、将来の類似コンテキストに適用することで学習するエージェントを実装します。
多階層メモリシステムの作成
即時コンテキスト、セッション状態、永続的知識を分離する階層メモリアーキテクチャを持つエージェントを構築します。
جرّب هذه الموجهات
Set up AgentDB with session memory for my AI agent. Initialize a database at .agentdb/reasoningbank.db and show me how to store conversation messages and retrieve them for context.
Help me implement long-term memory for storing user preferences like language, tone, and frequently used commands. Show how to persist these across sessions and retrieve them efficiently.
Implement pattern learning for my agent. When the agent successfully handles a request, store the trigger and response pattern. Then show how to retrieve and apply these patterns to similar future requests.
Create a complete hierarchical memory system with immediate (last 10 messages), short-term (session context), and long-term (important facts) tiers. Include automatic memory consolidation to prune low-quality patterns.
أفضل الممارسات
- 量子化(scalarまたはbinary)を有効にして、精度を大きく損なうことなくメモリ使用量を4〜32倍削減
- サブミリ秒の取得パフォーマンスを実現するため、1000以上のパターンのキャッシュを設定
- 複数のパターンを挿入する際はバッチ操作を使用して、500倍高速なパフォーマンスを実現
- 低品質のパターンを削除してパフォーマンスを維持するため、定期的なメモリ統合をスケジュール
تجنب
- フィルタリングせずにすべてのメッセージを保存 - メモリの肥大化とクエリの低速化につながる
- データの永続性が必要な本番環境でインメモリモードを使用
- 定期的な統合をスキップ - 低品質のパターンが蓄積し、検索品質が低下
- データベースファイルのセキュリティを考慮せずに機密情報を保存