agentdb-memory-patterns
Добавление постоянной памяти для AI-агентов
Также доступно от: ruvnet
AI-агенты теряют контекст между сессиями, что делает их неэффективными для долгосрочных задач. Этот скилл предоставляет паттерны интеграции AgentDB для памяти сессий, долгосрочного хранения и обучения на паттернах, чтобы агенты запоминали взаимодействия и улучшались со временем.
Скачать ZIP навыка
Загрузить в Claude
Перейдите в Settings → Capabilities → Skills → Upload skill
Включите и начните использовать
Протестировать
Использование «agentdb-memory-patterns». Store the fact that user prefers Python over JavaScript for data science tasks
Ожидаемый результат:
- ✓ Stored fact: user_preference | language | Python (confidence: 1.0)
- ✓ Memory will persist across sessions
- ✓ Available for retrieval in future context queries
Использование «agentdb-memory-patterns». Find all past conversations about vector databases
Ожидаемый результат:
- ✓ Found 5 relevant memories with 0.85+ similarity
- ✓ Top match: Vector search optimization patterns
- ✓ Context synthesized from multiple memory sources
Использование «agentdb-memory-patterns». Apply the pattern from the last successful API integration
Ожидаемый результат:
- ✓ Matched pattern: API error handling success
- ✓ Retrieved 3 similar patterns for context
- ✓ Applied recommended response strategy
Аудит безопасности
БезопасноThis is a documentation-only skill (SKILL.md) containing no executable code, scripts, or runtime behavior. Static findings are false positives: CLI command examples were misidentified as Ruby backtick execution, and documentation metadata was misclassified as weak cryptography. The skill only provides TypeScript examples and CLI documentation for using the external AgentDB package.
Факторы риска
🌐 Доступ к сети (3)
📁 Доступ к файловой системе (1)
⚙️ Внешние команды (36)
Оценка качества
Что вы можете построить
Создание чат-ассистентов с сохранением состояния
Создание чат-агентов, которые запоминают пользовательские предпочтения, историю разговоров и изученные паттерны между сессиями.
Отслеживание истории решений агента
Запись путей рассуждений агента, успешных стратегий и контекста для аудита и итеративного улучшения.
Внедрение корпоративных систем памяти
Развертывание агентов, которые сохраняют организационные знания, контекст проектов и специфичные для команды соглашения.
Попробуйте эти промпты
Use AgentDB to store this conversation exchange between user and assistant with timestamp and context.
Query AgentDB to find similar past conversations and learned patterns that relate to the current user request.
Store this user preference in AgentDB long-term memory with high confidence score so it persists across sessions.
After this successful interaction, store the pattern with trigger, response, and success metrics for future reference.
Лучшие практики
- Включите квантование (скалярное или бинарное) для уменьшения объема памяти в 4-32 раза при сохранении качества поиска.
- Используйте кэширование (кэш на 1000 паттернов) для достижения времени извлечения менее миллисекунды для частых запросов.
- Регулярно обучайте модели обучения на новом опыте для улучшения точности распознавания паттернов.
Избегать
- Хранение конфиденциальных учетных данных или персональных данных без шифрования в памяти AgentDB.
- Отключение квантования на больших наборах данных, вызывающее чрезмерное использование памяти.
- Пропуск регулярной консолидации памяти, приводящий к накоплению устаревших или избыточных паттернов.
Часто задаваемые вопросы
Какие AI-инструменты поддерживают этот скилл?
Сколько памяти может хранить AgentDB?
Могу ли я интегрировать с существующим кодом агента?
Безопасны ли мои данные в AgentDB?
Почему мой поиск медленный?
Как это сравнивается с другими решениями для памяти?
Сведения для разработчиков
Автор
DNYoussefЛицензия
MIT
Репозиторий
https://github.com/DNYoussef/ai-chrome-extension/tree/main/.claude/skills/agentdb-memory-patternsСсылка
main
Структура файлов
📄 SKILL.md