agent-memory-systems
设计智能体记忆系统
构建智能 AI 智能体的记忆架构，实现长期学习和上下文感知响应。本技能提供短期记忆、长期记忆和情景记忆的实现模式，可随时间提升智能体性能。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“agent-memory-systems”。 为从过去审查中学习的代码审查智能体设计记忆
预期结果:
代码审查智能体应使用情景记忆存储单独的审查会话，使用语义记忆存储学到的编码模式，使用程序记忆存储审查工作流。实施带时间权重的检索，优先检索最近相关的审查，同时避免过时的上下文。
正在使用“agent-memory-systems”。 用户偏好应存储在哪种记忆类型中？
预期结果:
用户偏好应存储在语义记忆中，因为它们代表关于用户的持久性学到的知识。使用情景记忆跟踪偏好随时间的演变。应用元数据过滤以高效检索特定用户的记忆。
安全审计
安全This skill is a pure documentation resource about agent memory architecture. Static analysis flagged apparent security patterns (backtick syntax, cryptographic keywords), but manual review confirms these are false positives. The backticks are markdown code formatting in a skill list, not shell execution. No actual code, scripts, network calls, or cryptographic operations exist. This is safe for publication.
中风险问题 (1)
低风险问题 (1)
质量评分
你能构建什么
构建对话智能体的 AI 应用开发者
设计记忆系统使聊天机器人能够跨会话记住用户偏好和对话历史，实现更加个性化和上下文感知的交互。
构建自主智能体的 DevOps 工程师
为自动化基础设施任务的智能体实现长期记忆，使其能够从先前的部署中学习并避免重复错误。
原型化智能体架构的研究工程师
探索不同的记忆系统设计和检索策略，为特定智能体用例找到最优配置。
试试这些提示
为一个处理客户支持对话的 AI 智能体设计记忆系统。该智能体需要记住用户偏好、过去的问题和解决历史。指定记忆类型、存储方法和检索策略。
审查此知识库的文档分块策略：[描述策略]。有哪些优点和缺点？如何改进检索准确性？
我们的智能体记忆系统无限期地存储每个对话。这导致检索缓慢和存储成本高。我们应该使用什么记忆管理方法？
比较生产级智能体系统的向量数据库选项，需要处理 1000 万个嵌入且检索延迟低于 100ms。考虑 Pinecone、Weaviate、Chroma 和 pgvector。
最佳实践
- 在语义检索之前始终按元数据（时间、用户、主题）过滤以减少噪声并提高相关性
- 实施记忆衰减或重要性评分，防止旧或不相关的记忆污染上下文
- 在不同记忆类型之间策略性地分配 token 预算——在有限的上下文窗口中优先处理最近、高相关性的记忆
避免
- 永久存储所有内容而没有驱逐策略——导致检索污染和成本增加
- 对所有数据类型使用单一记忆类型——不同的信息需要不同的存储方法
- 分块文档时未测试检索质量——语义上看起来不错的分块可能检索效果不佳