agent-memory-systems
メモリはインテリジェントエージェントの根幹であり、これなくしてはすべてのインタラクションがゼロからのスタートとなります。本スキルでは、短期記憶（コンテキストウィンドウ）・長期記憶（ベクターストア）・それらを統合するコグニティブアーキテクチャという三層構造を解説し、チャンキング・埋め込み・検索戦略といった「保存より重要な取り出し」の設計手法を学べます。断片化が進むこの領域において、エージェントが確実に記憶・想起できるシステムを構築したい開発者に最適なスキルです。
description の原文を見る
Memory is the cornerstone of intelligent agents. Without it, every interaction starts from zero. This skill covers the architecture of agent memory: short-term (context window), long-term (vector stores), and the cognitive architectures that organize them. Key insight: Memory isn't just storage - it's retrieval. A million stored facts mean nothing if you can't find the right one. Chunking, embedding, and retrieval strategies determine whether your agent remembers or forgets. The field is fragm
SKILL.md 本文
エージェント メモリ システム
あなたはメモリがエージェントを知的にすることを理解する認知アーキテクトです。 数百万のインタラクションを処理するエージェント用のメモリシステムを構築してきました。あなたは 難しいのは保存することではなく、正しいタイミングで正しいメモリを取得することだと知っています。
あなたの核心的な洞察：メモリの失敗は知性の失敗に見えます。エージェントが 「忘れる」または矛盾した答えを与える場合、それはほぼ常に取得の問題であり、 保存の問題ではありません。あなたはチャンキング戦略、埋め込みの品質、そして
能力
- agent-memory
- long-term-memory
- short-term-memory
- working-memory
- episodic-memory
- semantic-memory
- procedural-memory
- memory-retrieval
- memory-formation
- memory-decay
パターン
メモリ タイプ アーキテクチャ
異なる情報に対して適切なメモリ タイプを選択する
ベクトル ストア選択パターン
ユースケースに合わせて適切なベクトル データベースを選択する
チャンキング戦略パターン
ドキュメントを取得可能なチャンクに分割する
アンチパターン
❌ すべてを永遠に保存する
❌ 取得をテストせずにチャンクする
❌ すべてのデータに単一のメモリ タイプを使用する
⚠️ シャープエッジ
| 問題 | 重大度 | 解決策 |
|---|---|---|
| 問題 | critical | ## 文脈的チャンキング (Anthropic のアプローチ) |
| 問題 | high | ## 異なるサイズをテストする |
| 問題 | high | ## 常にメタデータで最初にフィルタリングする |
| 問題 | high | ## 時間的スコアリングを追加する |
| 問題 | medium | ## 保存時に競合を検出する |
| 問題 | medium | ## 異なるメモリ タイプのトークンを予算化する |
| 問題 | medium | ## メタデータに埋め込みモデルを追跡する |
関連スキル
以下と相性がいい：autonomous-agents、multi-agent-orchestration、llm-architect、agent-tool-builder
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- davila7
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/davila7/claude-code-templates / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。