agent-context-memory
Skillby 349840432m-dev
clawhub⭐ 06/10
Agent 上下文管理方法论：通过分层文件体系实现跨 session 记忆延续、职责分离和高效上下文恢复。Use when: (1) 搭建新 agent 工作区, (2) 优化 agent 记忆和上下文管理, (3) 长期运行 agent 的记忆维护。
通过分层文件体系为Agent实现跨session记忆延续、职责分离和高效上下文恢复的方法论框架
📊 商业分析
商业模式
free
独特价值
分层文件体系实现Agent跨session记忆延续与职责分离
竞品
1. MemGPT/Letta：开源Agent记忆框架，功能更完整但部署复杂；2. LangChain Memory模块：生态更大、集成更广，但抽象层重；3. Mem0：专注AI记忆层SaaS，有托管服务但需付费
🎯 应用场景
目标用户
AI Agent开发者企业自动化工程师长期运行Agent的独立开发者
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 6/10
- 子分类
- Agent记忆与上下文管理
- 可商业化
- ❌ 否
AI 标签
Agent记忆上下文管理跨Session分层文件长期记忆
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6