Dennis

Agent Memory

AI 智能体v1.0.0
作者:Dennis更新于 2026-05-11agent-memory@clawhub_dennis-da-menace/agent-memory
上下文管理记忆增强#Memory System#Agent Memory#Learn

据 AlphaMoat 统计,截至 2026-10,Agent Memory 累计下载 355,523 次、获 182 个星标,按累计下载量在本次参与排名的 10,914 个 AI 技能中排名第 66 位,在「AI 智能体」分类(1,632 个)中排名第 13 位。

列表默认按累计下载量排序,也可按星标排序;详情页排名按累计下载量计算。

累计下载
35.6万
星标
182
全站下载量排名
#66
全站前 1% · 「AI 智能体」前 1%
平台累计下载星标评论
ClawHub ↗3.6万341
SkillHub ↗35.6万182—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

在代码里实例化 AgentMemory 后,用 remember 存事实并打标签,用 learn 把动作、情境、结果与心得一起记下,再用 recall 与 get_lessons 按查询或主题取回;track_entity 则维护人物、项目等实体的属性。数据默认写进 ~/.agent-memory/memory.db,可另传路径改位置。主文还给了会话开始与结束时该做什么的记忆协议,可挂到 AGENTS.md 或 HEARTBEAT.md。

资料发布于 2026-10-27

可以用来做什么

  • 让 agent 新开会话时先载入上次的事实与教训
  • 把失败尝试的原因与改进记成可检索的条目

什么时候用

  • 需要跨会话保留上下文、又不想依赖云端存储时
  • 人物或项目信息需要随对话逐步补全时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

回忆一下我们之前定过的部署约定。
把这次失败的教训记下来,下次先检查依赖版本。

月度数据趋势

累计下载35.6万
3,80619.3万38.2万2026-03 · 累计下载 5.0万2026-05 · 累计下载 3.0万2026-06 · 累计下载 10.0万2026-07 · 累计下载 10.7万2026-08 · 累计下载 12.5万2026-09 · 累计下载 15.5万2026-10 · 累计下载 35.6万26-0326-0926-10
星标182
111031952026-03 · 星标 242026-05 · 星标 302026-06 · 星标 1352026-07 · 星标 1522026-08 · 星标 1662026-09 · 星标 1742026-10 · 星标 18226-0326-0926-10

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。 该技能有同名的其他版本,调整前的数据归属当前下载量最大的这一个。

月份累计下载环比星标
2026-1035.6万—182
2026-0915.5万—174
2026-0812.5万+16.5%166
2026-0710.7万+7.6%152
2026-0610.0万+234.1%135
2026-053.0万—30
2026-035.0万—24

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

1.4 KB · ClawHub v1.0.0
# AgentMemory Skill

Persistent memory system for AI agents. Remember facts, learn from experience, and track entities across sessions.

## Installation

```bash
clawdhub install agent-memory
```
展开全部(共 67 行)
## Usage

```python
from src.memory import AgentMemory

mem = AgentMemory()

# Remember facts
mem.remember("Important information", tags=["category"])

# Learn from experience
mem.learn(
    action="What was done",
    context="situation",
    outcome="positive",  # or "negative"
    insight="What was learned"
)

# Recall memories
facts = mem.recall("search query")
lessons = mem.get_lessons(context="topic")

# Track entities
mem.track_entity("Name", "person", {"role": "engineer"})
```

## When to Use

- **Starting a session**: Load relevant context from memory
- **After conversations**: Store important facts
- **After failures**: Record lessons learned
- **Meeting new people/projects**: Track as entities

## Integration with Clawdbot

Add to your AGENTS.md or HEARTBEAT.md:

```markdown
## Memory Protocol

On session start:
1. Load recent lessons: `mem.get_lessons(limit=5)`
2. Check entity context for current task
3. Recall relevant facts

On session end:
1. Extract durable facts from conversation
2. Record any lessons learned
3. Update entity information
```

## Database Location

Default: `~/.agent-memory/memory.db`

Custom: `AgentMemory(db_path="/path/to/memory.db")`

「AI 智能体」分类下的热门技能

数据月份:2026-10 · 下载/星标数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。