memodb-io/Acontext

Agent Skills as a Memory Layer

What it solves

Acontext 提供一個透明、可讀的人類記憶層給 AI 代理。它解決了「不透明」代理記憶的問題——學習內容被隱藏在複雜的向量嵌入或專有資料庫中——透過將代理的技能與知識儲存為簡單的 Markdown 檔案，讓不同的 LLM 與框架都能讀取、編輯與共享。

How it works

Acontext 透過蒸餾與召回的循環運作：

  1. Store (Learning): 系統監控會話訊息。當任務完成或失敗時，LLM 驅動的蒸餾過程會分析執行軌跡，判斷哪些有效、哪些失敗。接著「Skill Agent」會依照使用者自訂的 schema，將這些學習寫入 Markdown 檔案。
  2. Recall (Usage): 代理不使用語意搜尋（top‑k），而是透過特定工具（get_skill 與 get_skill_file）明確取得所需知識。這讓代理能自行推理要檢索的資訊，提供逐步揭露的過程。

Who it’s for

開發 AI 代理的開發者，想讓代理從錯誤中學習、重複使用成功策略，且不被特定供應商、資料庫或框架（例如 LangGraph、Claude、Vercel AI SDK）鎖定。

Highlights

  • Human-Readable Memory: 所有記憶皆以 Markdown 檔案儲存，易於除錯、使用 Git 版控與檢視。
  • Framework Agnostic: 可與任何能讀取檔案的框架搭配，避免 API 鎖定。
  • Agent-in-the-Loop Retrieval: 使用工具式檢索取代不透明的向量搜尋。
  • Portable Knowledge: 技能可匯出為 ZIP 檔，並在不同代理或 LLM 之間搬移。
  • Integrated Tooling: 包含虛擬永久檔案系統（Disk）、隔離程式碼執行環境（Sandbox），以及 Python 與 TypeScript SDK。