一行代码让你的OpenClaw Agent拥有长期记忆跨会话不丢事。你有没有过这种崩溃时刻让AI Agent帮你改代码写到一半——“咦你刚才说要用哪个版本的Vue”跟它聊了三轮项目方案准备落地——“等等我们之前定的是不是用PostgreSQL”开新会话Agent一脸天真“你是谁我们要做什么”这不是你的Agent智商有问题。是它没记性。今天要拆的就是ClawHub上Agent Memory类目里被收藏最多34个Bookmark的Skill——dennis-da-menace/agent-memory。一、为什么Agent需要记忆这件事是个2026年的热点2025年下半年开始AI Agent领域有个明显趋势各家云厂商开始抢着开源Agent Memory组件。2026年4月腾讯云发布TencentDB Agent Memory准确率较原生OpenClaw提升59%2026年5月腾讯云正式开源TencentDB Agent MemoryToken消耗最高降低61%2026年5月AWSOpenClaw memory-agentcore 插件上线专攻多客户记忆隔离2026年4月阿里云百炼上线记忆库功能2026年6月滴滴多篇Agent记忆论文入选ICML 2026连NUS、人大、复旦、北大都联合出品了Agent记忆综述。Memory已经从加分项变成了Agent的标配组件。但问题来了——这些大厂方案都太重了。要么要云服务要么要MCP要OAuth要配置一堆东西。有没有一个Skill装上就能用有。今天的主角就是。二、agent-memory 是什么一句话一个让AI Agent拥有持久记忆SQLite本地存储、跨会话记住事实、学习经验、追踪实体的轻量级Skill。核心数据作者dennis-da-menaceDennis当前版本v1.0.0LicenseMIT-0最宽松类别Agents / Memory标签#agent-memory #memory-system #learnBookmark34Agent Memory类目第一安全审计✅ Pass依赖无纯Python SQLite开箱即用它解决的核心问题跨会话失忆 → 你的喜好、项目背景、踩过的坑Agent全忘经验无法复用 → 每次都要重复解释项目结构和编码规范实体追踪缺失 → 认识的人、用的库、跑过的项目AI记不住三、4个核心API30秒上手agent-memory的设计哲学是极简。整个Skill对外只暴露4个方法1.remember()—— 存事实from src.memory import AgentMemory mem AgentMemory() mem.remember(用户偏好SOL支付, tags[payment, preference]) mem.remember(项目后端用FastAPI, tags[tech-stack, project])存什么任何你想让Agent记住的事实。2.learn()—— 从经验中学习mem.learn( action用subprocess.run替代os.system执行shell命令, context需要捕获命令输出时, outcomepositive, # 或 negative insightsubprocess更安全能拿到stdout/stderr/returncode )这是整个Skill最有特色的设计——显式区分记事实和学经验。事实是被动的项目用Vue经验是主动的哪种做法更好用。3.recall()—— 回忆facts mem.recall(支付偏好) for f in facts: print(f.content, f.tags)基于关键词的语义搜索返回相关记忆。4.track_entity()—— 追踪实体mem.track_entity(张三, person, {role: 前端工程师, team: 增长组}) mem.track_entity(PostgreSQL, technology, {version: 16.2, 用途: 主库})人物、技术、项目、客户——所有Agent会反复打交道的实体都能建档。整个API就这4个。比Mem0简洁比LangChain Memory直接比claude-mem轻量。四、3步安装1分钟上手步骤1安装Skill# 方式1通过ClawHub CLI clawhub install agent-memory # 方式2通过npx skills npx skills install dennis-da-menace/agent-memory步骤2初始化记忆库默认数据库位置~/.agent-memory/memory.db想自定义一行代码mem AgentMemory(db_path/your/custom/path/memory.db)步骤3集成到你的Agent工作流在AGENTS.md或HEARTBEAT.md里加一段记忆协议## Memory Protocol ### 会话开始时 1. 加载最近的5条经验mem.get_lessons(limit5) 2. 检查当前任务相关的实体 3. 回忆相关事实mem.recall(当前任务关键词) ### 会话结束时 1. 提取对话中的持久事实 → mem.remember(...) 2. 记录任何学到的经验 → mem.learn(...) 3. 更新实体信息 → mem.track_entity(...)搞定。从此你的Agent就拥有了长期记忆。五、4个核心使用场景场景1编程助手记住项目规范痛点每次开新会话AI又问你们项目用2空格还是4空格缩进。解法# 第一次会话结束 mem.remember(项目使用2空格缩进, tags[code-style]) mem.remember(Python代码必须通过black格式化, tags[code-style]) mem.remember(禁止使用print调试必须用logging, tags[best-practice]) # 下次开新会话 facts mem.recall(代码规范) # AI收到哦2空格、用black、用logging场景2从失败中学习痛点Agent在同一个坑里反复摔。解法# Agent第一次踩坑 mem.learn( action在Windows上用os.path.join处理路径, context需要拼接跨平台路径时, outcomenegative, insight应该用pathlib.Pathos.path在Windows下会丢斜杠 ) # 下次遇到类似场景 lessons mem.get_lessons(context文件路径处理) # Agent自动绕开坑场景3追踪团队成员痛点Agent不认识你的同事每次都要重新介绍。解法mem.track_entity(李四, person, { role: 后端工程师, expertise: [Python, PostgreSQL, Redis], current_project: 订单系统重构 }) # 下次Agent帮李四 review 代码时 entity mem.get_entity(李四) # AI知道他是后端擅长Python订单系统是他负责的场景4项目知识沉淀痛点6个月后回头看老项目Agent一脸茫然。解法mem.remember(订单系统v2.02025年12月上线核心改进是引入分布式事务, tags[project, milestone]) mem.remember(订单服务的峰值QPS是5000平均QPS 800, tags[project, metric])六、为什么agent-memory值得装跟同类记忆类Skill对比特性agent-memoryclaude-memmemory-mcp-serverontology安装难度⭐ 极简⭐⭐⭐ 复杂⭐⭐ 中等⭐⭐ 中等依赖无BunSQLiteChromaDBMCP serverSurrealDB存储SQLite本地SQLite 向量库JSON/MCP图数据库API数量4个10多个tool多个学习门槛5分钟30分钟20分钟40分钟适用平台任何Agent偏Claude CodeMCP生态任何Agent是否需要云❌❌❌❌LicenseMIT-0AGPL-3.0MITMITagent-memory的最大优势简单。它没有claude-mem那么强大的AI压缩能力没有ontology那么复杂的图谱关系。但它5分钟就能上手。对个人开发者和小型团队来说“能用的简单方案远胜完美的复杂方案”。七、技术架构简析agent-memory的整体架构可以概括为3层┌─────────────────────────────────────┐ │ API Layer │ │ remember / learn / recall / track │ └──────────────┬──────────────────────┘ ↓ ┌─────────────────────────────────────┐ │ Storage Layer (SQLite) │ │ ┌──────────┐ ┌──────────┐ ┌─────┐ │ │ │ facts表 │ │lessons表 │ │entity│ │ │ └──────────┘ └──────────┘ └─────┘ │ └──────────────┬──────────────────────┘ ↓ ┌─────────────────────────────────────┐ │ Local FS │ │ ~/.agent-memory/memory.db │ └─────────────────────────────────────┘关键设计决策纯本地SQLite—— 无云依赖、无API Key、隐私可控事实/经验/实体三表分离—— 不同类型记忆独立管理检索更精准tags轻量级索引—— 不引入向量库也能做基本语义过滤可扩展db_path—— 想换PostgreSQL自己包装一层即可八、它背后的设计哲学读agent-memory的README时我注意到一句话“Always capture the HOW, not just the WHAT. Future-you needs the steps.”这跟SuperpowersClaude Code技能框架的Process over Prompt理念异曲同工。agent-memory深谙一个道理AI Agent最贵的不是能思考是记得发生过什么。每一次对话都是金矿。 每一次报错都是教训。 每一个实体都是上下文。把这些沉淀下来Agent才能从一次性工具进化成长期协作伙伴。九、5个使用小贴士tags设计要有层次—— 用项目名/模块/类型三层结构方便未来召回learn的outcome要诚实—— 哪怕negative也记录AI从失败中学得更多实体要建完整档案—— 不只存名字把role/expertise/关系都建上定期清理冷数据—— SQLite不是垃圾桶3个月没召回的考虑archive跟其他Skill联动—— 跟self-improving-agent、planning-with-files组合用效果更佳十、总结Agent记忆的够用哲学agent-memory不是最强大的记忆方案。claude-mem的AI压缩更强ontology的图谱推理更深TencentDB的企业级能力更全。但它是现在就能用的。装一个Skill写几行代码AI Agent就再也不会聊完就忘。对于个人开发者、创业团队、想快速验证想法的人——这种够用就好的工具才是真正的生产力工具。2026年Agent Memory已经从加分项变成标配组件。但不是每个Agent都需要企业级方案。有时候一个SQLite文件、4个API方法就够了。去装一个试试。安装命令# ClawHub clawhub install agent-memory # 或通过npx npx skills install dennis-da-menace/agent-memory # 或直接看GitHub https://clawhub.ai/dennis-da-menace/skills/agent-memory 资源汇总ClawHub页面Agent Memory — ClawHub安装命令clawhub install agent-memory作者dennis-da-menaceLicenseMIT-0如果这篇拆解对你有帮助点赞 收藏 关注三连走起下一期我会拆解TencentDB Agent Memory61% Token节省的黑科技敬请期待。