这个 Skill 能做什么，适合哪些场景？
该技能面向需要跨会话保留知识的智能体系统，涵盖实体跟踪、语义检索、向量存储、知识图谱和时间有效性。它从文件系统记忆开始，指导用户根据检索质量逐步升级到 Mem0、Zep/Graphiti、Letta 或 Cognee 等框架。内容还包括混合检索、记忆整合、冲突处理和检索失败恢复。它适合架构设计与框架选型，不是一个可直接运行的记忆服务。
根据检索模式比较 Mem0、Zep/Graphiti、Letta、Cognee、LangMem 和文件系统记忆；帮助选择工作记忆、短期记忆、长期记忆、实体记忆或时间知识图谱层；指导语义、实体、时间和混合检索策略；提供记忆整合、过期处理、冲突事实和存储失败的恢复建议；列出 LoCoMo、LongMemEval 和 DMR 等评估基准，并给出 Mem0、时间查询和 Cognee 的 Python 示例。
- 正在构建需要跨会话记住用户偏好、领域知识或实体身份的智能体开发者。
- 需要在文件系统、向量存储和知识图谱之间做架构升级的工程团队。
- 需要处理会随时间变化的事实、历史状态或时间旅行查询的系统设计者。
- 希望比较 Mem0、Zep/Graphiti、Letta、Cognee 或 LangMem 的框架选型者。
- 需要通过 LoCoMo、LongMemEval 或 DMR 评估长期记忆检索质量的团队。
如何安装这个 Skill？
- 不要将scripts/memory_store.py视为生产级持久化实现：它使用伪嵌入、内存数据结构，consolidate()为空，且没有删除、访问控制、加密或回滚机制。
- 将基准数字和框架能力视为待复核线索；当前材料没有提供该技能关键路径的独立测试结果。
- 持久化用户记忆前应补充用户同意、数据分类、租户隔离、保留期限、删除权和冲突审计策略。
- 部署前应固定Python及第三方依赖版本，并验证各框架示例的实际API、云端限制和中国大陆网络可达性。
- 本地文件系统
将仓库中的 skills/memory-systems 整个目录复制到目标 Agent Skills 目录，例如 Codex 项目目录：mkdir -p .codex/skills && cp -R skills/memory-systems .codex/skills/。Claude Code、Cursor 和其他兼容主机也应保留该目录结构，而不是只复制 SKILL.md。仓库还支持通过 Claude Code 插件市场安装整个技能集合。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/memory-systems" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 为需要跨会话保存用户偏好的智能体设计记忆架构，并比较文件系统、Mem0 和 Zep/Graphiti。
在支持 Agent Skills 的主机中提出与持久记忆相关的任务，例如：“为需要跨会话保存用户偏好的智能体设计记忆架构，并比较文件系统、Mem0 和 Zep/Graphiti。”技能会在涉及跨会话知识、实体跟踪、时间有效性、检索策略或记忆基准时激活。具体运行时集成和依赖安装步骤未在该技能中完整说明。
这个 Skill 有哪些优点和局限？
- 提供从文件系统记忆到时间知识图谱的渐进式架构路径。
- 覆盖框架选型、检索策略、记忆整合、冲突处理和失败恢复。
- 明确提醒基准结果是来源特定信号，不能直接当作绝对排名。
- 包含 Mem0、时间查询和 Cognee 的具体示例。
- 技能本身不提供可直接运行的实现或完整安装流程。
- 文中的框架和基准比较需要在产品决策前重新核验。
- 没有展示该技能自身的测试套件或平台专项验证。
- 使用 Cognee、图数据库或其他生产框架会增加基础设施和运维复杂度。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 持久语义记忆架构 本页 | 53 · 谨慎使用 | ★ 18k | 17 天前 | MIT |
| SkillOpt-Sleep ✓ Microsoft · 官方 | 64 · 推荐 | ★ 18k | 22 天前 | MIT |
| SkillOpt-Sleep：本地智能体的睡眠周期自进化技能 ✓ Microsoft · 官方 | 64 · 推荐 | ★ 18k | 22 天前 | MIT |
| NeMo Evaluator 评估插件技能 ✓ NVIDIA · 官方 | 58 · 推荐 | ★ 3.8k | 今天 | Apache-2.0 |
| 技能反馈写作器 | 37 · 不推荐 | ★ 32k | 15 天前 | Apache-2.0 |
它明确比较 Mem0、Zep/Graphiti、Letta、Cognee、LangMem 和文件系统记忆，并建议先使用最简单的可行层，再根据检索质量升级。文件系统适合简单代理和原型，Mem0 侧重快速投入生产，Zep/Graphiti 适合时间与关系建模，Letta 适合深度自省，Cognee 适合多层语义图和多跳推理。
FollowSkills 如何评估这个 Skill？
技能明确建议考虑隐私、保留策略、删除权，并强调会话隔离与失败时不阻塞响应；但未定义最小权限、用户确认、敏感数据分类、加密、访问控制、数据流披露或持久化数据回滚，因此扣除9分。未见恶意行为或明显越权风险。
内容结构一致，包含检索失败、陈旧结果、冲突事实和存储失败的处理建议，且附带实现脚本；但脚本存在未实现的consolidate、依赖未锁定、哈希随机种子跨进程不稳定、文本字段与注释示例不完全一致等问题。静态审查且无针对该技能的测试覆盖，按上限保守给6分，扣除潜在不可复现和失败诊断不足。
触发条件、适用场景及与filesystem-context、context-compression、context-optimization等相邻技能的边界写得清楚，并覆盖文件、向量、图和时态记忆；但未充分定义不适用范围、输入输出契约、平台要求、中文支持或中国大陆网络可达性，因此扣4分。
技能采用前置描述、激活条件、分层主题、实践建议、示例、故障处理、集成和参考资料的渐进式结构；仓库提供MIT许可证、版本、创建和更新时间及作者信息。缺少明确维护责任人、更新流程、变更日志、依赖安装说明、FAQ和已知实现限制，且内部引用文件的可用性未在选定材料中充分证明，因此扣5分。
技能能直接提供记忆架构选型、检索策略、时态建模和错误恢复建议，并有Python示例和集成脚本，核心任务大体可完成；但示例使用伪嵌入，集成代码的consolidate为空，部分实现仅为演示，且没有验证代表性输出或比较收益证据，因此按静态上限给6分，扣除可直接生产使用性不足。
仓库包含引用列表、声明的基准、路由回归测试和CI，但这些CI主要验证研究者工具及其他示例，并未覆盖memory-systems的关键路径；基准数字和外部论文在本次材料中未提供可复核结果。具备有限可审计材料但缺少独立复现，给4分，扣除交叉验证和技能级测试证据不足。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →