别再让 AI 转头就忘！这个 Skill 把 Agent 记忆系统扒到底层

AI Agent 到底怎么“记住事”？这个 Skill 把记忆算法讲透了

你有没有过这种经历：跟 AI 聊了半小时，它转头就忘；或者同一个项目换了会话，所有上下文全部清零？现在的问题是，不是模型不够强，而是“记忆层”还没被好好设计。

今天推荐一个硬核但实用的 Skill：episodic-memory-algorithms。它来自 curiositech/port-daddy 仓库，专门讲 AI Agent 的记忆系统底层原理——不是那种“加个向量库就完事”的速成教程，而是从数据结构、检索算法到遗忘机制，一套讲全。

它覆盖了哪些核心知识点？

• 向量存储：HNSW、IVF、PQ 这些检索结构到底怎么选
• 时间索引： episodic memory 不是静态的，要按时间召回
• 知识图谱：triple store 怎么帮 Agent 记住实体关系
• 记忆巩固：working memory → long-term memory 的层级压缩
• 遗忘曲线：什么时候该删、什么时候该 summarise

它还深度分析了目前主流记忆方案的取舍：MemGPT / Letta 的堆栈式记忆、Zep / Graphiti 的图谱增强、Mem0 的简化抽象，以及 Stanford generative agents 的时间检索架构。读完你会明白：好的 Agent 记忆，本质是“检索 + 遗忘 + 结构化”三者的平衡。

谁适合用这个 Skill？

如果你在做 Agent 产品、长期对话机器人、或者任何需要跨会话记忆的应用，这个 Skill 能帮你建立可落地的记忆层设计框架。不用从头翻论文，直接把结论和 workflow 拿来用。

GitHub 地址：https://github.com/curiositech/port-daddy/tree/main/skills/episodic-memory-algorithms

GitHub: https://github.com/curiositech/port-daddy/tree/main/skills/episodic-memory-algorithms