Agent Skills
返回列表
🤖

Memora 代理持久语义记忆

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md ，安装 @user_3c6cb52e/give-agents-persistent-semantic-memory-with-memora 。

技能介绍

会话结束即遗忘的代理

LLM 代理的上下文随会话终止而清空。新开一个会话时，代理不记得此前积累的用户偏好、项目约束或已确认的事实。对需要长周期运转的工作流来说，这意味着每轮都要重新交代背景，代理无法真正「积累」知识。

Memora 的核心能力

Memora 为 MCP 兼容代理补充了一个持久的语义记忆层，跨会话保留三类上下文：

  • 语义记忆：将非结构化事实、用户偏好和领域知识存入持久存储，后续会话可直接检索
  • 文档召回：对已入库的文档做语义检索，让代理在需要时调取原文内容
  • 知识图谱上下文：以图谱结构组织记忆节点，节点大小反映其连接数，代理可以沿关系边获取关联信息

在记忆管理上，Memora 还提供标签维度的统计与分析，包括标签使用趋势和连接洞察，方便排查「为什么代理记得这条但忘了那条」。

适用边界

  • 仅适用于 MCP 兼容客户端（如 Claude Code、Cursor 等），非 MCP 架构需要额外适配
  • 存储后端可选：SQLite 适合本地轻量部署，S3/R2 和 Cloudflare D1 面向云端场景，存储选型会影响延迟和可用性
  • 知识图谱的上下文质量取决于记忆积累量，初始阶段图谱较稀疏，关联召回效果有限
  • 上游文档存在未完全梳理的注意点（如节点颜色语义），使用前建议阅读原始 README

使用场景

  • 项目持续多周，代码评审、需求变更等信息分布在多个会话中，代理需要跨会话累积记忆而无需反复重述背景。
  • 将 API 文档、内部规范文档存入 Memora 后，新会话中的代理能按语义检索直接引用原文内容。
  • 面对涉及多实体关系的问题，代理沿知识图谱的连接边检索相关事实，给出有依据的回答。
  • 用户在不同会话中反复调整输出格式偏好，代理能记住这些设定并在后续会话自动应用。

适合人员

  • 构建长周期自动化代理的 AI 应用开发者，希望代理能跨会话记住项目上下文，避免每次重新交代需求。
  • 维护大量技术文档的后端工程师，想让代理在评审或问答时直接召回相关文档，而非手动搜索。
  • 部署云端 MCP 代理的运维工程师，需要为记忆层选型 SQLite、S3/R2 或 Cloudflare D1 等存储后端，关注延迟与可用性。