https://caozuohua.github.io/tags/%E8%AE%B0%E5%BF%86%E7%B3%BB%E7%BB%9F/Recent content in 记忆系统 on CAO ZUOHUAHugozh-cnMon, 28 Sep 2026 21:00:00 +0800https://caozuohua.github.io/posts/2026-09-28-agent-skill-anatomy-01-memory/Mon, 28 Sep 2026 21:00:00 +0800https://caozuohua.github.io/posts/2026-09-28-agent-skill-anatomy-01-memory/<h1 id="agent-技能解剖一agent-memory把记住做成数据层">Agent 技能解剖（一）：Agent Memory——把「记住」做成数据层</h1> <blockquote> <p>本系列共四篇，逐篇拆解四个当前装机量最高的 Agent 技能，全部基于<strong>下载技能包后的源码级阅读</strong>，不是对 README 的转述。 解读视角固定为 prompt 工程：它把哪一部分不确定性交给了模型，又把哪一部分交给了代码。</p> </blockquote> <h2 id="为什么先拆这一个">为什么先拆这一个</h2> <p>关于「让 Agent 记住」，业内长期存在两种做法：</p> <ol> <li><strong>塞进上下文</strong>——把历史对话、文件、笔记尽可能多地带进 prompt；</li> <li><strong>外置成存储</strong>——把记忆写成结构化数据，需要时检索回来。</li> </ol> <p>第一种做法的问题不是「不够长」，而是<strong>成本与轮次线性相关</strong>：每一轮都要为全部历史重新付费，且上下文越长，模型对中段的注意力越差。第二种做法把问题从「prompt 长度」转换成了「数据工程」，代价是要自己定义 schema、自己做检索、自己处理过期与冲突。</p> <p><code>Agent Memory</code> 是第二种路线上装机量最高的技能之一。它值得拆的地方在于：<strong>代码只有 680 行，却把一个记忆系统该有的骨架全都摆出来了</strong>——三种记忆类型、覆盖率、冲突覆盖、遗忘机制。骨架清晰，正好适合当教学样本；同时它的几处实现与宣称不一致，也正好适合当反面教材。</p> <h2 id="技能档案">技能档案</h2> <table> <thead> <tr> <th>项</th> <th>值</th> </tr> </thead> <tbody> <tr> <td>技能名</td> <td>Agent Memory</td> </tr> <tr> <td>slug</td> <td><code>agent-memory</code></td> </tr> <tr> <td>作者</td> <td>dennis-da-menace</td> </tr> <tr> <td>版本</td> <td>1.0.0</td> </tr> <tr> <td>下载量</td> <td>145,610</td> </tr> <tr> <td>安装量</td> <td>25,555</td> </tr> <tr> <td>星标</td> <td>172</td> </tr> <tr> <td>来源</td> <td>ClawHub</td> </tr> <tr> <td>代码规模</td> <td><code>src/memory.py</code> 688 行 + 3 个 CLI + 1 个测试文件</td> </tr> <tr> <td>外部依赖</td> <td><strong>无</strong>（<code>requirements.txt</code> 仅一行「No external dependencies - just Python stdlib」）</td> </tr> </tbody> </table> <p>数据抓取于 2026-09-28，口径为 SkillHub 聚合榜。</p>