Agent Skills
返回列表
🤖

智能体记忆系统

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 @org-02qudk26/agent-memory-systems。

技能介绍

解决的问题

智能体“遗忘”或回答前后矛盾，常见原因不是存储不够，而是没有检索到正确记忆。资料强调难点在于在正确时间取回正确记忆，记忆失效往往会被误判成智能失效。

如何工作

该技能以认知架构师视角组织记忆工程：

  • 记忆类型架构：区分 agent-memory、long-term-memory、short-term-memory、working-memory、episodic-memory、semantic-memory、procedural-memory。
  • 检索与形成：关注 memory-retrieval、memory-formation、memory-decay，避免“永远存储一切”。
  • 关键步骤：选择向量库、设计分块、测试不同块大小、先按元数据过滤、加入时间维度评分、存储时检测冲突、为不同记忆类型预留 token 预算、记录嵌入模型。
  • 反模式：不要所有数据用单一记忆类型，不要不测试检索就分块。

适用边界

适合构建或调试 AI Agent 记忆系统、向量检索和上下文策略；不替代具体向量数据库部署，需结合实际数据规模、嵌入质量和评估流程。

使用场景

  • 设计长期智能体时，为会话、事实、操作流程分别选择情景、语义和程序记忆。
  • 在接入向量库前，评估不同嵌入模型与元数据过滤方式对检索命中率的影响。
  • 将长文档分块，并测试不同块大小，避免未验证检索效果就上线。
  • 排查智能体前后矛盾时，检查记忆衰减、冲突检测和 token 预算是否合理。

适合人员

  • 负责长对话智能体记忆的 AI 工程师，需要区分短期、情景、语义与程序记忆。
  • 做 RAG 检索调优的算法工程师，需要测试分块大小和元数据过滤策略。
  • 评估向量库选型的架构师，需要比较嵌入质量、时间评分与冲突检测。
  • 排查智能体回答矛盾的调试工程师，需要检查记忆衰减和 token 预算。