triple-memory
Skillby ktpriyatham
clawhub⭐ 77/10
结合 LanceDB 自动召回、Git-Notes 结构化记忆和基于文件的工作区搜索的完整记忆系统。适用于建立全面的智能体记忆、需要跨会话持久化上下文或管理决策/偏好/任务等多记忆后端协同工作的场景。
融合LanceDB向量自动召回、Git-Notes结构化存储与文件工作区搜索，构建跨会话持久记忆的完整AI智能体记忆管理系统
📊 商业分析
商业模式
freemium
独特价值
向量召回+Git版本化+文件搜索三合一跨会话持久记忆
竞品
1. Mem0（专注向量记忆，无Git结构化层）；2. Zep Memory（企业级但部署复杂）；3. MemGPT（学术导向，工程化不足）
🎯 应用场景
使用场景
Agent context persistenceMulti-source memory integrationWorkspace knowledge management
适用领域
AI agentsKnowledge managementDevelopment tools
目标用户
AI Agent开发者重度Claude/GPT用户需要长期项目上下文的研究人员
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 7
- 价值评分
- 7/10
- 子分类
- AI智能体记忆管理
- 复杂度
- medium
- 可商业化
- ✅ 是
AI 标签
持久记忆跨会话上下文LanceDB向量库Git结构化存储Agent记忆系统
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