从对话到SkillTencentDB Agent Memory如何自动提炼可复用的AI操作流程【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-MemoryTencentDB Agent Memory是一款团队级AI Agent记忆中枢能够将对话、文档和代码转化为四种可复用的记忆资产Chat Memory、Skill、LLM-Wiki、Code-Graph实现跨Agent和框架的治理、共享与装备。本文将深入探讨其如何从日常对话中自动提炼出可复用的AI操作流程Skill帮助团队提升协作效率。记忆金字塔Skill提炼的底层逻辑 TencentDB Agent Memory采用独特的记忆分层架构为Skill的自动提炼提供了坚实基础。这个金字塔结构从下到上分为四个层次每层都有其特定的功能和作用。L0 Raw Log原始日志全量保留原始对话与事件流确保原始信息不丢失为后续处理提供证据依据。L1 Atomic Memory原子记忆自动提取事实、偏好、约束、状态从语音中稳定抽出关键信息。L2 Scene Block场景块按项目/主题/工作流场景聚类带上文召回减少单场误用。L3 Persona服务画像稳定的用户偏好与服务方式画像让Agent按用户习惯协作。这种分层架构使得系统能够从碎片化的对话逐步提炼出结构化的知识最终形成可复用的Skill。正如项目文档中所述“记忆不应仅限于‘知道什么’还应包括‘会做什么’。我们正在将分层延伸至动作域从底层的执行轨迹Traces与报错日志中中层归纳出共性的解决模式高层最终提炼出可直接挂载复用的 Skill 或标准 SOP 代码。”Skill自动提炼的工作流程 TencentDB Agent Memory的Skill自动提炼过程是一个从对话到结构化知识再到可执行流程的转化过程。具体来说它包含以下几个关键步骤1. 对话信息采集与原始日志存储系统首先会采集用户与AI Agent之间的对话信息并将其完整地存储在L0层的原始日志中。这一步确保了所有对话细节都被保留为后续的信息提取提供了完整的数据源。相关的实现可以在src/core/conversation/l0-recorder.ts中找到。2. 原子信息提取与结构化在L1层系统会自动从原始对话中提取关键信息如事实、偏好、约束条件等。这一过程由src/core/record/l1-extractor.ts负责它能够从非结构化的对话中抽取出结构化的信息为后续的场景识别和Skill提炼打下基础。3. 场景识别与模式归纳L2层的场景块功能会将提取出的原子信息按照项目、主题或工作流场景进行聚类。这一步由src/core/scene/scene-extractor.ts实现通过上下文召回减少跨场景的误用同时归纳出共性的解决模式。4. Skill生成与存储最后在L3层系统会基于场景块中的共性模式提炼出可复用的Skill。这一过程由src/offload/index.ts中的createSkillWithBackend函数实现。生成的Skill会以Markdown格式存储在文件系统中确保高信息密度、逻辑清晰与白盒可调。如何使用自动生成的Skill 一旦Skill被成功提炼用户就可以在不同的AI Agent和框架中复用这些Skill。具体的使用方法如下1. 查看可用Skill生成的Skill会存储在项目的SKILL.md文件中。你可以通过查看这个文件来了解当前可用的Skill及其描述。2. 在对话中调用Skill在与AI Agent的对话中你可以直接调用已有的Skill。系统会自动识别Skill调用命令并执行相应的操作流程。相关的命令解析由src/offload/index.ts中的parseCreateSkillCommand函数处理。3. 编辑和优化Skill由于Skill以Markdown格式存储用户可以直接编辑和优化这些文件根据实际需求调整Skill的执行流程。这种白盒可调的特性使得Skill能够不断进化适应不同的使用场景。总结释放AI协作的潜力 TencentDB Agent Memory的Skill自动提炼功能为AI Agent之间的协作提供了强大的支持。通过从对话中自动提炼可复用的操作流程它不仅提高了AI Agent的工作效率还使得团队知识能够得到有效的沉淀和传承。随着项目的不断发展Skill自动生成功能将进一步完善。未来我们可以期待看到更多高级特性如Skill的自动更新、跨场景的Skill推荐等。如果你对这个项目感兴趣可以通过以下命令克隆仓库开始你的探索之旅git clone https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-MemoryTencentDB Agent Memory正在改变AI Agent的协作方式让我们一起探索这个充满潜力的领域释放AI协作的真正力量【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
从对话到SkillTencentDB Agent Memory如何自动提炼可复用的AI操作流程【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-MemoryTencentDB Agent Memory是一款团队级AI Agent记忆中枢能够将对话、文档和代码转化为四种可复用的记忆资产Chat Memory、Skill、LLM-Wiki、Code-Graph实现跨Agent和框架的治理、共享与装备。本文将深入探讨其如何从日常对话中自动提炼出可复用的AI操作流程Skill帮助团队提升协作效率。记忆金字塔Skill提炼的底层逻辑 TencentDB Agent Memory采用独特的记忆分层架构为Skill的自动提炼提供了坚实基础。这个金字塔结构从下到上分为四个层次每层都有其特定的功能和作用。L0 Raw Log原始日志全量保留原始对话与事件流确保原始信息不丢失为后续处理提供证据依据。L1 Atomic Memory原子记忆自动提取事实、偏好、约束、状态从语音中稳定抽出关键信息。L2 Scene Block场景块按项目/主题/工作流场景聚类带上文召回减少单场误用。L3 Persona服务画像稳定的用户偏好与服务方式画像让Agent按用户习惯协作。这种分层架构使得系统能够从碎片化的对话逐步提炼出结构化的知识最终形成可复用的Skill。正如项目文档中所述“记忆不应仅限于‘知道什么’还应包括‘会做什么’。我们正在将分层延伸至动作域从底层的执行轨迹Traces与报错日志中中层归纳出共性的解决模式高层最终提炼出可直接挂载复用的 Skill 或标准 SOP 代码。”Skill自动提炼的工作流程 TencentDB Agent Memory的Skill自动提炼过程是一个从对话到结构化知识再到可执行流程的转化过程。具体来说它包含以下几个关键步骤1. 对话信息采集与原始日志存储系统首先会采集用户与AI Agent之间的对话信息并将其完整地存储在L0层的原始日志中。这一步确保了所有对话细节都被保留为后续的信息提取提供了完整的数据源。相关的实现可以在src/core/conversation/l0-recorder.ts中找到。2. 原子信息提取与结构化在L1层系统会自动从原始对话中提取关键信息如事实、偏好、约束条件等。这一过程由src/core/record/l1-extractor.ts负责它能够从非结构化的对话中抽取出结构化的信息为后续的场景识别和Skill提炼打下基础。3. 场景识别与模式归纳L2层的场景块功能会将提取出的原子信息按照项目、主题或工作流场景进行聚类。这一步由src/core/scene/scene-extractor.ts实现通过上下文召回减少跨场景的误用同时归纳出共性的解决模式。4. Skill生成与存储最后在L3层系统会基于场景块中的共性模式提炼出可复用的Skill。这一过程由src/offload/index.ts中的createSkillWithBackend函数实现。生成的Skill会以Markdown格式存储在文件系统中确保高信息密度、逻辑清晰与白盒可调。如何使用自动生成的Skill 一旦Skill被成功提炼用户就可以在不同的AI Agent和框架中复用这些Skill。具体的使用方法如下1. 查看可用Skill生成的Skill会存储在项目的SKILL.md文件中。你可以通过查看这个文件来了解当前可用的Skill及其描述。2. 在对话中调用Skill在与AI Agent的对话中你可以直接调用已有的Skill。系统会自动识别Skill调用命令并执行相应的操作流程。相关的命令解析由src/offload/index.ts中的parseCreateSkillCommand函数处理。3. 编辑和优化Skill由于Skill以Markdown格式存储用户可以直接编辑和优化这些文件根据实际需求调整Skill的执行流程。这种白盒可调的特性使得Skill能够不断进化适应不同的使用场景。总结释放AI协作的潜力 TencentDB Agent Memory的Skill自动提炼功能为AI Agent之间的协作提供了强大的支持。通过从对话中自动提炼可复用的操作流程它不仅提高了AI Agent的工作效率还使得团队知识能够得到有效的沉淀和传承。随着项目的不断发展Skill自动生成功能将进一步完善。未来我们可以期待看到更多高级特性如Skill的自动更新、跨场景的Skill推荐等。如果你对这个项目感兴趣可以通过以下命令克隆仓库开始你的探索之旅git clone https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-MemoryTencentDB Agent Memory正在改变AI Agent的协作方式让我们一起探索这个充满潜力的领域释放AI协作的真正力量【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
