Appearance
给 AI Agent 构建持久化可搜索的长期记忆库
解决 AI Agent 在处理复杂项目时容易“遗忘”上下文的问题：通过构建一个基于 MCP 协议的混合记忆系统，让 AI 能够持久化存储并检索项目的架构设计、开发模式和关键决策。
为什么需要这个技能
在大型项目开发中，AI Agent 往往受限于上下文窗口（Context Window），随着对话增加，早期的架构决策或特定的编码规范会被遗忘。即使在文档中记录，AI 每次都需要重新读取全量文档，效率较低且容易遗漏。
agent-memory-mcp 提供了一个可搜索的记忆银行（Memory Bank）。它将知识分为架构（Architecture）、模式（Patterns）和决策（Decisions）等维度，让 AI 能够像查数据库一样，在需要时精准地调用历史记忆，确保代码生成和方案设计的一致性。
适用场景
- 复杂项目接手：AI 需要快速同步项目的核心架构设计和历史决定。
- 维护编码规范：将项目特有的代码模式（Pattern）存入记忆，防止 AI 产生幻觉或写出不符合风格的代码。
- 记录技术决策：将“为什么选择 A 而不是 B”的决策记录下来，方便 AI 在后续迭代中参考。
- 跨会话知识传递：在不同的对话 Session 之间共享同一套项目知识库。
核心工作流
1. 环境安装与启动
首先克隆项目并安装依赖，然后启动 MCP 服务器：
bash
git clone https://github.com/webzler/agentMemory.git .agent/skills/agent-memory
cd .agent/skills/agent-memory
npm install
npm run compile
# 启动服务器，指定项目 ID 和工作空间绝对路径
npm run start-server my-project $(pwd)2. 使用 MCP 工具管理记忆
AI 将通过以下四个核心工具与记忆库交互：
memory_write：记录新知识。例如：“保存这个认证方案决策”memory_write({ key: "auth-v1", type: "decision", content: "..." })。memory_search：按关键词、类型或标签检索。例如：“查找所有关于认证的模式”memory_search({ query: "authentication", type: "pattern" })。memory_read：通过 Key 直接读取特定内容。memory_stats：查看记忆库的统计分析情况。
3. 可视化管理
可以通过启动 Dashboard 在浏览器中直观地查看和管理记忆内容：
bash
npm run start-dashboard <absolute_path_to_target_workspace>访问地址：http://localhost:3333
下载和安装
下载 agent-memory-mcp 中文版 Skill ZIP
解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。
你可能还需要
暂无推荐