Проектирование систем памяти агентов
Агенты теряют связность, когда не могут извлечь нужный предыдущий контекст. Этот навык помогает выбирать архитектуру памяти, разбиение на фрагменты, извлечение и устаревание для надежного долгосрочного поведения агента.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "agent-memory-systems" from https://skillstore.io/skills/sickn33-agent-memory-systems.md and its manifest at https://skillstore.io/api/skills/sickn33-agent-memory-systems/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «agent-memory-systems». Спроектировать память для агента поддержки клиентов.
Ожидаемый результат:
Многоуровневый план памяти с контекстом сессии, фактами из профиля клиента, историей обращений и фильтрами извлечения по клиенту и давности.
Использование «agent-memory-systems». Проверить, почему агент забывает детали документов.
Ожидаемый результат:
Диагностика с фокусом на границах фрагментов, отсутствующих метаданных, слабом покрытии эмбеддингов и отсутствии тестов извлечения для ожидаемых вопросов.
Использование «agent-memory-systems». Спланировать устаревание памяти для коучингового агента.
Ожидаемый результат:
Модель хранения, которая сохраняет устойчивые предпочтения пользователя, постепенно удаляет временные цели и помечает противоречия перед обновлением памяти.
All 12 static findings are false positives caused by educational examples, ordinary prose, or Markdown formatting. No executable payload, credential exposure, malicious network activity, or prompt injection was found in the skill.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/sickn33-agent-memory-systems/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/sickn33-agent-memory-systems?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/sickn33-agent-memory-systems?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-agent-memory-systems/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/sickn33-agent-memory-systems.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>sickn33. (2026). agent-memory-systems security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-agent-memory-systems/audits/5@techreport{sickn33-sickn33-agent-memory-systems-2026,
author = {sickn33},
title = {agent-memory-systems security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-agent-memory-systems/audits/5},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "agent-memory-systems security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/sickn33-agent-memory-systems/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-agent-memory-systems:audit:5"
description: "Skillstore immutable audit report identifier"
Спроектировать, как агент сохраняет, извлекает, обновляет и удаляет по сроку память между пользовательскими сессиями.
Проверить разбиение на фрагменты, фильтры метаданных и временную оценку, когда агенты пропускают релевантный контекст.
Создать практические проверки точности воспоминания, обработки конфликтов и использования бюджета контекста.
Помогите мне определить типы памяти, которые нужны моему агенту. Включите кратковременную, долговременную, эпизодическую, семантическую и процедурную память.
Порекомендуйте стратегию извлечения для агента, который должен отвечать на основе прошлых разговоров и документов. Включите варианты разбиения на фрагменты, метаданных и ранжирования.
Проанализируйте, почему мой агент забывает важные факты. Проверьте хранение, извлечение, бюджет контекста, устаревание памяти и риски разрешения конфликтов.
Создайте план оценки качества памяти агента. Охватите полноту воспоминания, точность, устаревшую память, конфликтующую память и компромиссы бюджета токенов.
Автор
sickn33Лицензия
MIT
Ревизия Skillstore
r2
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/agent-memory-systemsСсылка
ebdfe608f5de2b66ff37ab4af12af8ac4f5e8006
Актуальность поддержки
26.07.2026
Использование
10 загрузок · 127 просмотров
Структура файлов
📄 SKILL.md
Создание маркетингового контента в едином стиле бренда
Маркетинговым командам нужен контент, который остается согласованным во всех каналах. Этот навык помогает планировать, писать, анализировать и оптимизировать контент с учетом голоса бренда и SEO.
Улучшайте LLM-промпты с помощью проверенных паттернов
Непоследовательные промпты тратят время и снижают доверие к результатам AI. Этот навык помогает проектировать промпты с использованием переиспользуемых паттернов, примеров, этапов оценки и рабочих процессов оптимизации.
Проектируйте масштабируемые архитектуры ПО
Архитектурные решения сложно сравнивать для веб-, мобильных, backend- и облачных систем. Этот навык предоставляет структурированные руководства и локальные скрипты-заготовки для отчетов, анализа зависимостей и документирования компромиссов.
Создавайте fullstack-приложения с senior-паттернами
Командам нужны единые рекомендации по настройке, архитектуре и ревью для современных веб-приложений. Этот skill предоставляет scaffolders, справочные материалы по рабочим процессам и quality prompts для проектов на React, Next.js, Node.js, GraphQL и PostgreSQL.
Оптимизируйте AI-промпты с Prompt Engineer
Писать понятные промпты сложно, когда цели расплывчаты или комплексны. Этот навык превращает черновые запросы в структурированные промпты с использованием проверенных фреймворков для промптинга.
Приоритизируйте продуктовую работу с помощью исследовательских инсайтов
Продуктовым командам нужны более быстрые способы ранжировать функции, обобщать интервью и документировать решения. Этот навык предоставляет RICE-оценку, анализ интервью и шаблоны PRD для структурированного планирования.
Управление разработкой на основе контекста
от wshobson
Проекты с поддержкой ИИ теряют согласованность, когда продуктовые цели, выбор стека и правила рабочего процесса разрознены. Этот навык направляет Claude, Codex и Claude Code с помощью контекстных артефактов Conductor.
Создание постоянной памяти AgentDB
от DNYoussef
AI-агенты часто теряют полезный контекст между сессиями. Этот навык предоставляет структурированный рабочий процесс AgentDB для памяти сессий, долговременного хранения и обучения на паттернах.
Систематически выбирайте инструменты ИИ для программирования
от 92Bilal26
Выбор между инструментами ИИ для программирования может тратить время, контекст и бюджет, когда задача неясна. Этот навык предоставляет структурированный фреймворк для выбора Claude Code, Gemini CLI или поэтапного рабочего процесса.
Анализ архитектуры памяти агента
от Dowwie
Фреймворки агентов часто скрывают, как взаимодействуют контекст, память и бюджеты токенов. Этот навык дает Claude, Codex и Claude Code структурированный способ проверять поток памяти и сравнивать проектные решения.
Обновление фокуса ИИ во время потоковых задач
от Dimon94
Длинные сеансы программирования могут вытеснять исходные цели из внимания модели. Этот навык добавляет контрольные точки обновления перед ключевыми решениями рабочего процесса.
Делегируйте задачи по программированию с Cavecrew
от juliusbrussee
Длительные сеансы программирования теряют контекст, когда субагенты возвращают многословные результаты. Cavecrew направляет Claude, Codex и Claude Code к компактным агентам для исследования, внесения изменений и ревью.