memory-orchestration
Анализ систем контекстной памяти в агентских фреймворках
Агентские фреймворки испытывают проблемы с переполнением контекста и управлением памятью. Этот навык предоставляет систематический анализ сборки контекста, политик вытеснения и стратегий распределения токенов в различных реализациях.
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「memory-orchestration」。 Analyze the memory orchestration in the agent framework at /src/agents
預期結果:
- Сборка контекста: Система → Память → Инструменты → История → Ввод
- Политика вытеснения: Скользящее окно с лимитом 2000 токенов
- Уровни памяти: Рабочая (промпт), Сеансовая (RAM), Постоянная (ChromaDB)
- Подсчёт токенов: Использует tiktoken для точного подсчёта
正在使用「memory-orchestration」。 Compare memory strategies between LangChain and AutoGPT
預期結果:
- LangChain: История сообщений с усечением с учётом токенов
- AutoGPT: Постоянная память с извлечением из векторного хранилища
- Ключевое различие: LangChain предпочтение recency, AutoGPT предпочтение семантической релевантности
- Компромисс: Задержка vs сохранение контекста
正在使用「memory-orchestration」。 Map memory tiers in our custom agent implementation
預期結果:
- Уровень 1 (Рабочий): Окно контекста в промпте (~8K токенов)
- Уровень 2 (Сеансовый): Кэш Redis для полной истории
- Уровень 3 (Постоянный): PostgreSQL с векторными эмбеддингами
- Триггер перехода: Конец сеанса или явное сохранение
安全審計
安全This is a pure documentation skill containing only educational content about memory orchestration concepts. All 49 static findings are false positives: the analyzer misinterpreted memory management code snippets as cryptographic operations and markdown backticks as shell execution. No executable code, file access, network calls, or command execution capabilities exist.
風險因素
🌐 網路存取 (1)
📁 檔案系統存取 (1)
⚙️ 外部命令 (32)
品質評分
你能建構什麼
Сравнение стратегий памяти
Оценить, как разные агентские фреймворки обрабатывают переполнение контекста и сохраняемость памяти
Проектирование систем памяти
Изучить паттерны реализации распределения токенов и управления уровнями памяти
Аудит обработки контекста
Проанализировать порядок сборки промптов и отображение уровней памяти в существующих реализациях
試試這些提示
Проанализируйте паттерны оркестрации памяти в [framework/repository]. Определите порядок сборки контекста, используемую политику вытеснения и структуру уровней памяти.
Сравните политики вытеснения в [framework1] и [framework2]. Какой подход более эффективен для длинных разговоров?
Отобразите уровни памяти в [framework]. Как данные перемещаются из рабочей памяти в постоянное хранилище? Что вызывает переходы между уровнями?
Проанализируйте подход к управлению токенами в [framework]. Как распределяются бюджеты между системой, инструментами, историей и вводом? Что происходит при переполнении?
最佳實務
- Всегда запускайте codebase-mapping сначала для идентификации файлов, связанных с памятью, перед детальным анализом
- Используйте шаблон вывода для стандартизации аналитических отчётов между разными фреймворками
- Комбинируйте с control-loop-extraction для понимания паттернов использования памяти черновика
避免
- Анализ без предварительной идентификации файлов памяти (используйте навык codebase-mapping)
- Предположение, что все фреймворки используют одинаковый порядок сборки контекста или политику вытеснения
- Игнорирование различий в точности подсчёта токенов между методами оценки