AI Skill 大全

记忆系统统一

把多套分散的记忆后端统一到一个接口上,并用向量索引提速检索。

功能与用途

当系统里同时存在好几套记忆机制——基础操作型、分布式集群型、智能体专用型、功能增强型,再加结构化和文件型两种存储后端,以及把它们拼起来的混合后端——问题不是某一个不好,而是接口不一致、数据割裂、检索慢。这个技能做的是把这些统一到一个后端上,配向量索引,目标是把检索速度提升几个数量级,同时保持对旧接口的向后兼容。实现上会有一个统一记忆服务,写入时同时落库与建索引,查询时按是否语义检索走不同路径。还要处理旧数据的迁移。适合系统迭代多轮、记忆相关代码越堆越乱的团队。

适用场景

  • 异构记忆系统收敛整合:将分散在文件、关系库及各智能体内部的孤立记忆统一归拢至单一存储后端管理。
  • 百万级记忆语义检索加速:引入 HNSW 向量索引替代传统低效检索,实现海量记忆上下文下的低延迟精准召回。
  • 历史记忆数据平滑迁移:为存量 SQLite 与 Markdown 记录自动生成向量嵌入并迁移入库,同时兼容旧版查询接口。

适用人群

  • AI 应用开发者
  • 平台工程团队
  • 技术负责人

使用步骤

  1. 盘点现有的记忆后端与各自接口
  2. 设计统一记忆服务与查询接口
  3. 配置向量索引并接入语义检索
  4. 把旧数据迁移到统一后端
  5. 验证向后兼容并对比检索性能

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
AI工作流
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-17
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Unify 6+ memory systems into AgentDB with HNSW indexing for 150x-12,500x search improvements. Implements ADR-006 (Unified Memory Service) and ADR-009 (Hybrid Memory Backend).

使用前准备

  • 对现有记忆机制的盘点结果
  • 可用的向量索引组件

依赖与权限

  • 读取用户主动提供的内容

同类 Skill