Acontext：一个透明的技能记忆层，将代理的学习内容存储为可编辑的 Markdown 文件

它解决了什么问题

Acontext 为 AI 代理提供了一个透明、可读的记忆层。它通过将代理的技能和知识以简单的 Markdown 文件形式存储，解决了“不可见”代理记忆的问题——即学习内容隐藏在复杂的嵌入向量或专有数据库中，这些文件可以被读取、编辑，并在不同的 LLM 和框架之间共享。

工作原理

Acontext 通过蒸馏与召回的循环运行：

1. 存储（学习）： 系统监控会话消息。当任务完成或失败时，LLM 驱动的蒸馏过程会分析执行轨迹，判断哪些做法有效、哪些无效。随后，一个 “Skill Agent” 根据用户定义的模式将这些学习内容写入 Markdown 文件。
2. 召回（使用）： 代理不再使用语义搜索（top‑k），而是通过特定工具（get_skill 和 get_skill_file）显式获取所需的知识。这使得代理能够自行推理需要检索哪些信息，实现渐进式披露的过程。

适用人群

为希望其代理能够从错误中学习并复用成功策略的 AI 代理开发者设计，且不受特定供应商、数据库或框架（如 LangGraph、Claude 或 Vercel AI SDK）的限制。

亮点

• 可读的记忆： 所有记忆均以 Markdown 文件形式存储，便于调试、使用 Git 进行版本控制和检查。
• 框架无关： 只要能读取文件即可使用，避免 API 锁定。
• 代理在环检索： 使用基于工具的检索方式，而非不透明的嵌入搜索。
• 可移植的知识： 技能可导出为 ZIP 文件，在不同代理或 LLM 之间迁移。
• 集成工具链： 包含虚拟持久文件系统（Disk）、隔离代码执行环境（Sandbox）以及 Python 与 TypeScript SDK。

---

摘要： 一个开源的 AI 代理技能记忆层，能够自动捕获代理运行中的学习内容，并以人类可读的 Markdown 文件形式存储。

标题： Acontext：一个透明的技能记忆层，将代理的学习内容存储为可编辑的 Markdown 文件