適切なメモリシステムがない場合、AIエージェントはセッション終了時にすべてのコンテキストを失います。このスキルでは、ワークキングコンテキストから時間的知識グラフまでのレイヤー状メモリを構築するためのbattle-testedパターンを提供します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「memory-systems」を使用しています。 writing assistant用のファイルシステムメモリ構造を設計します。ユーザーの文書、執筆の好み、変更履歴を追跡します
期待される結果:
- memory/
- ├── users/
- │ └── {user_id}/
- │ ├── profile.json (preferences, style settings)
- │ ├── documents/
- │ │ └── {doc_id}/
- │ │ ├── current.md
- │ │ └── revisions/
- │ │ └── {timestamp}.md
- │ └── vocabulary.json (custom terms, frequently used phrases)
- └── indexes/
- └── user-documents.json (doc_id to user mapping)
「memory-systems」を使用しています。 Query: Find all team members with Python skills who are available for tasks starting next week
期待される結果:
- Entity Query Result:
- - Alice Chen (Senior Developer) - Python, Django, FastAPI - Available from 2024-02-05
- - Marcus Rodriguez (Backend Engineer) - Python, PostgreSQL - Available from 2024-02-06
- - Sarah Kim (Full Stack) - Python, React, TypeScript - Available immediately
セキュリティ監査
安全Educational documentation skill for AI memory architecture design. All 28 static analysis findings are false positives from pattern matching on documentation text. The skill contains no executable code, no network calls, no command execution, and no cryptographic operations. It provides conceptual guidance on memory layers, knowledge graphs, and retrieval patterns.
品質スコア
作れるもの
メモリを備えたカスタマーサポートエージェント
エンティティメモリと時間的トラッキングを使用して、顧客の好み、過去のチケット製品を跨いで記憶するサポートエージェントを構築します
知識蓄積を備えたリサーチアシスタント
論文、概念、リレーションシップの成長する知識グラフを構築し、複雑なクロスドメイン推論クエリを可能にするリサーチエージェントを作成します
長期コンテキストを備えたパーソナルAIアシスタント
ユーザーの好みを学習し、進行中のプロジェクトを追跡し、ヶ月間のインタラクションで一貫したエンティティ参照を維持するパーソナルアシスタントを開発します
これらのプロンプトを試す
セッション間で永続化するAIエージェントにメモリを追加する必要があります。エージェントはユーザーのフィットネス目標とワークアウト履歴を追跡します。ファイルを追跡する2層メモリシステム設計します：(1)目標を持つユーザープロファイル、(2)日付と運動を含むワークアウトセッション履歴。各レイヤーのディレクトリ構造とJSONスキーマを表示してください。
私のエージェントは、製品カテゴリ、日付範囲、解決ステータスでフィルタリングしながら10,000件以上のカスタマーサポートチケットに対してセマンティック検索が必要です。メタデータフィルタリングを備えたベクトルRAGシステムを設計します。セマンティック類似性とメタデータフィルタを組み合わせたエンベディング戦略、メタデータスキーマ、クエリ形式を指定してください。
有効期間を持つ患者の状態，投薬，検査結果を追跡する医療エージェント用の時間的知識グラフを設計します。各ファクトはタイムトラベルクエリをサポートする必要があります。提供：(1)valid_fromとvalid_untilタイムスタンプを持つトリプルスキーマ、(2)「2024年3月に患者Xは何の投薬を受けていましたか？」と「診断Y是什么时候激活的？」のCypherクエリ、(3)新しい検査結果到着時のファクト更新のための統合ロジック。
ベストプラクティス
- クエリの複雑さに合ったメモリアーキテクチャを選択：シンプルな永続化にはファイルシステム、セマンティック検索にはベクトルRAG、リレーションシップ推論にはナレッジグラフ、時刻対応クエリには時間的グラフ
- 検索パフォーマンスが低下する前に、周期的なメモリ統合を実行し、冗長なファクトのマージ、古いデータのアーカイブ、インデックス再構築を行う
- すべてのメモリを一度にコンテキストに詰め込むのではなく、戦略的なコンテキストインジェクションによるジャストインタイムメモリローディングを使用する
回避
- すべてのメモリをコンテキストウィンドウに保存 - コンテキストの膨張、レイテンシ的增加、無関係な情報へのアテンションの無駄遣いを引き起こす
- リレーションシップ-heavyなデータにベクトル専用のストレージを使用 - エンティティ接続が失われ、グラフトラバーサルクエリが.preventされる
- メモリを統合しない - 無制限な成長、重複するファクト、異なる時期からの矛盾する情報につながる