AI 代理在工作階段結束時若沒有適當的記憶體系統會失去所有上下文。本技能提供經過實戰測試的模式，用於從工作上下文到時間知識圖譜建立分層記憶體。
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-systems」。 Design a file-system memory structure for a writing assistant that tracks user documents, writing preferences, and revision history
預期結果:
- 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)
正在使用「memory-systems」。 Query: Find all team members with Python skills who are available for tasks starting next week
預期結果:
- 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
安全審計
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.
品質評分
你能建構什麼
具有記憶功能的客戶支援代理
建立一個能記住客戶偏好、過往工單和產品購買記錄的支援代理，使用實體記憶和時間追蹤功能跨工作階段運作
具有知識累積功能的 研究助理
建立一個能建構不斷增長的論文、概念和關係知識圖譜的研究代理，實現複雜的跨領域推理查詢
具有長期上下文的個人 AI 助理
開發一個能學習使用者偏好、追蹤進行中的專案，並在數月的互動中維持一致的實體參照的個人助理
試試這些提示
我需要為我的 AI 代理添加能跨工作階段持續存在的記憶功能。這個代理幫助使用者追蹤健身目標和運動歷史。設計一個使用檔案系統儲存的兩層記憶體系統，需追蹤：(1) 帶有目標的使用者個人檔案，(2) 帶有日期和運動項目的運動課程歷史。顯示每層的目錄結構和 JSON 結構描述。
我的代理需要在 10,000+ 客戶支援工單上進行語義搜尋，同時按產品類別、日期範圍和解決狀態進行篩選。設計一個具有中繼資料篩選功能的向量 RAG 系統。指定嵌入策略、中繼資料結構描述，以及結合語義相似度與中繼資料篩選的查詢格式。
為專案管理代理建構一個實體記憶系統。代理必須追蹤：團隊成員（帶有角色和技能）、專案（帶有截止日期和狀態）、任務（帶有指派人和相依性）。設計實體結構描述、關係類型，以及能回答以下問題的查詢函數：「下週誰有空做 React 任務？」和「哪些專案依賴身份驗證重構？」
為醫療保健代理設計一個時間知識圖譜，追蹤患者狀況、用藥和實驗室結果，並附帶有效期限。每個事實必須支援時光倒流查詢。提供：(1) 帶有 valid_from 和 valid_until 時間戳的三元組結構描述，(2) 用於「2024 年 3 月患者 X 服用什麼藥物？」和「診斷 Y 何時變為 active？」的 Cypher 查詢，(3) 當新實驗室結果到達時更新事實的整合邏輯。
最佳實務
- 將記憶體架構與查詢複雜度匹配：檔案系統用於簡單持久化，向量 RAG 用於語義搜尋，知識圖譜用於關係推理，時間圖譜用於時間感知查詢
- 實作定期記憶體整合以合併冗餘事實、封存過時資料，並在檢索效能下降前重建索引
- 使用具有策略性上下文注入的即時記憶體載入，而不是一次性將所有記憶體塞入上下文
避免
- 將所有記憶體儲存在上下文視窗中 — 導致上下文膨脹、增加延遲，並將注意力浪費在不相關的資訊上
- 對關係密集型資料僅使用向量儲存 — 失去實體連接並阻止圖譜遍歷查詢
- 從不整合記憶體 — 導致無限增長、重複事實，以及來自不同時期的矛盾資訊