memodb-io/Acontext

Agent Skills as a Memory Layer

What it solves

Acontext 提供一个透明、可读的人类记忆层给 AI 代理。它解决了“不可透明”代理记忆的问题——学习内容被隐藏在复杂的向量嵌入或专有数据库中——通过将代理的技能与知识存储为简单的 Markdown 文件，让不同的 LLM 与框架都能读取、编辑与共享。

How it works

Acontext 通过蒸馏与召回的循环运作：

  1. Store (Learning): 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，判断哪些有效、哪些失败。随后“Skill Agent”会依据用户自定义的 schema，将这些学习写入 Markdown 文件。
  2. Recall (Usage): 代理不使用语义搜索（top‑k），而是通过特定工具（get_skill 与 get_skill_file）明确获取所需知识。这让代理能够自行推理要检索的信息，提供逐步披露的过程。

Who it’s for

构建 AI 代理的开发者，想让代理从错误中学习、复用成功策略，并且不被特定供应商、数据库或框架（例如 LangGraph、Claude、Vercel AI SDK）锁定。

Highlights

  • Human-Readable Memory: 所有记忆均以 Markdown 文件存储，易于调试、使用 Git 进行版本控制与检查。
  • Framework Agnostic: 可与任何能够读取文件的框架配合，避免 API 锁定。
  • Agent-in-the-Loop Retrieval: 使用工具式检索取代不透明的向量搜索。
  • Portable Knowledge: 技能可导出为 ZIP 文件，并在不同代理或 LLM 之间迁移。
  • Integrated Tooling: 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。