技能介绍

要解决什么问题

在 Agent 或 RAG 流水线里，长期记忆往往散落在对话上下文、向量库和各类外部工具之间，benchmark 对比时也很难复现同一套读写路径。若你希望把 MemPalace 类记忆能力接到现有工作流，又不想从零拼装 MCP 与自动化脚本，需要一个相对统一的封装入口。

技能如何工作

本技能以 Mempalace Wrap 形式提供，定位是 MemPalace AI 记忆系统在 Skill 生态里的包装层。资料说明其面向 benchmark 与 RAG 场景，并强调与 MCP 工具链的集成（约 29 个 MCP 相关能力）。标签侧包含 wrap、github、automation，可理解为：在 GitHub 与自动化流程中，把记忆读写、检索与评测相关步骤收敛到可复用的技能约定里，而不是每次手写 glue code。

典型使用思路可以是：

在知识管理类任务中，用统一接口访问记忆层，而不是直接操作底层实现
做 RAG 实验或 benchmark 时，固定记忆组件的调用方式，便于横向对比
通过 MCP 暴露的能力，让 Agent 在工具调用层面访问记忆，而非仅靠 prompt 塞历史

适用边界与注意点

这是 wrap 技能，能力边界取决于上游 MemPalace 实现及所连接的 MCP 服务是否可用；本清单未展开具体 API、存储格式或评测指标，落地前请对照来源页与上游仓库确认版本（当前 SKILL 标注 1.0.0）。若你的场景只需要单次会话上下文、不需要持久记忆或与 MCP 无关，可能不必引入整套封装。