memodb-io/Acontext

## 什么是 Acontext？ Acontext 是一个面向 AI agent 的开源技能记忆层。它**自动**从 agent 运行中捕获经验，并将其存储为 **agent 技能文件**——你可以跨 agent、LLM 和框架来读取、编辑和分享这些文件。 如果你希望你构建的 agent 能够**从错误中学习**并**复用有效的经验**——同时避免不透明的记忆污染你的上下文——不妨试试 Acontext。 ## 技能即所需 Agent 的记忆正变得越来越复杂🤢——难以理解、难以调试，用户也难以检查或纠正。Acontext 采用了不同的方法：如果 agent 的技能可以将 agent 所需的每一点知识都表示为简单的文件，那么记忆同样可以做到。 - **Acontext 以 agent 技能格式构建记忆**，因此每个人都能看到并理解记忆实际包含的内容。 - **技能即记忆，记忆即技能**。无论技能是你从 Clawhub 下载的，还是你自己创建的，Acontext 都能遵循它并随时间不断演进。 ## Acontext 的理念 - **纯文件，任意框架** —— 技能记忆是 Markdown 文件。将它们与 LangGraph、Claude、AI SDK 或任何能读取文件的工具一起使用。没有 embedding，没有 API 锁定。支持 Git、grep 以及挂载到 sandbox。 - **由你设计结构** —— 附加更多技能来定义记忆的 schema、命名和文件布局。例如：通过上传一个工作上下文技能，实现每个联系人一个文件，每个项目一个文件。 - **渐进式披露，而非搜索** —— Agent 可以使用 `get_skill` 和 `get_skill_file` 获取所需内容。检索是通过工具调用和推理进行的，而不是语义 top-k。 - **下载为 ZIP，随处复用** —— 将技能文件导出为 ZIP。在本地、另一个 agent 中或与另一个 LLM 一起运行。没有供应商锁定；无需重新进行 embedding 或迁移步骤。 ## 工作原理 ### 存储 —— 技能是如何被记忆的？ ``` flowchart LR A[Session messages] --> C[Task complete/failed] C --> D[Distillation] D --> E[Skill Agent] E --> F[Update Skills] ``` - **会话消息** —— 对话（以及可选的工具调用、产物）是原始输入。任务会自动从消息流中提取（或从明确的结果报告中推断）。 - **任务完成或失败** —— 当任务被标记为完成或失败时（例如通过 agent 报告或自动检测），该结果将触发学习。 - **蒸馏** —— LLM 过程会从对话和执行轨迹中推断出哪些有效、哪些失败以及用户偏好。 - **技能 Agent** —— 决定存储位置（现有技能或新技能），并根据你的 `SKILL.md` schema 进行写入。 - **更新技能** —— 技能被更新。你在 `SKILL.md` 中定义结构；系统负责提取、路由和写入。 ### 回忆 —— Agent 在下一次运行中如何使用技能 ``` flowchart LR E[Any Agent] --> F[list_skills/get_skill] F --> G[Appear in context] ``` 为你的 agent 提供**技能内容工具**（`get_skill`、`get_skill_file`）。Agent 会决定需要什么，调用工具并获取技能内容。没有 embedding 搜索——**渐进式披露，Agent 在环**。 # 🪜 利用它改进你的 Agent Claude Code： ``` Read https://acontext.io/SKILL.md and follow the instructions to install and configure Acontext for Claude Code ``` OpenClaw： ``` Read https://acontext.io/SKILL.md and follow the instructions to install and configure Acontext for OpenClaw ``` # 🚀 分步快速入门 ### 连接到 Acontext 1. 访问 [Acontext.io](https://acontext.io)，领取你的免费额度。 2. 完成一键入门操作以获取你的 API Key（以 `sk-ac` 开头）

💻 自托管 Acontext

我们提供了一个 `acontext-cli` 来帮助你快速进行概念验证。首先在你的终端中下载它： ``` curl -fsSL https://install.acontext.io | sh ``` 你应该安装了 [docker](https://www.docker.com/get-started/) 并拥有一个 OpenAI API Key，以便在你的计算机上启动 Acontext 后端： ``` mkdir acontext_server && cd acontext_server acontext server up ``` `acontext server up` 将为 Acontext 创建/使用 `.env` 和 `config.yaml`，并创建一个 `db` 文件夹来持久化数据。 完成后，你可以访问以下 endpoint： - Acontext API Base URL：http://localhost:8029/api/v1 - Acontext Dashboard：http://localhost:3000/

### 安装 SDK 我们正在维护 Python [](https://pypi.org/project/acontext/) 和 Typescript [](https://www.npmjs.com/package/@acontext/acontext) SDK。下面的代码片段使用的是 Python。 ``` pip install acontext ``` ### 初始化 Client ``` import os from acontext import AcontextClient # For cloud: client = AcontextClient( api_key=os.getenv("ACONTEXT_API_KEY"), ) # For self-hosted: client = AcontextClient( base_url="http://localhost:8029/api/v1", api_key="sk-ac-your-root-api-bearer-token", ) ``` ### 技能记忆实战 创建一个学习空间，附加一个会话，让 agent 学习——技能会自动以 Markdown 文件的形式写入。 ``` from acontext import AcontextClient client = AcontextClient(api_key="sk-ac-...") # 创建学习空间并附加 session space = client.learning_spaces.create() session = client.sessions.create() client.learning_spaces.learn(space.id, session_id=session.id) # 运行你的 agent，存储消息 —— 当任务完成时，学习会自动运行 client.sessions.store_message(session.id, blob={"role": "user", "content": "My name is Gus"}) client.sessions.store_message(session.id, blob={"role": "assistant", "content": "Hi Gus! How can I help you today?"}) # ... agent 运行 ... # 列出已学习的技能（Markdown 文件） client.learning_spaces.wait_for_learning(space.id, session_id=session.id) skills = client.learning_spaces.list_skills(space.id) # 将所有技能文件下载到本地目录 for skill in skills: client.skills.download(skill_id=skill.id, path=f"./skills/{skill.name}") ``` ### 更多功能 - **[上下文工程](https://docs.acontext.io/engineering/editing)** —— 通过摘要和编辑策略压缩上下文 - **[Disk](https://docs.acontext.io/store/disk)** —— 面向 agent 的虚拟持久化文件系统 - **[Sandbox](https://docs.acontext.io/store/sandbox)** —— 使用 bash、Python 和[可挂载技能](https://docs.acontext.io/tool/bash_tools#mounting-skills-in-sandbox)进行隔离的代码执行 - **[Agent 工具](https://docs.acontext.io/tool/whatis)** —— 用于 LLM 函数调用的磁盘工具、沙箱工具和技能工具 # 🧐 使用 Acontext 构建 Agent 使用 `acontext` 下载端到端脚本： **Python** ``` acontext create my-proj --template-path "python/openai-basic" ``` 更多 Python 示例： - `python/openai-agent-basic`：openai agent sdk 模板 - `python/openai-agent-artifacts`：agent 可以编辑和下载产物 - `python/claude-agent-sdk`：带有 `ClaudeAgentStorage` 的 claude agent sdk - `python/agno-basic`：agno 框架模板 - `python/smolagents-basic`：smolagents (huggingface) 模板 - `python/interactive-agent-skill`：带有可挂载 agent 技能的交互式沙箱 **Typescript** ``` acontext create my-proj --template-path "typescript/openai-basic" ``` 更多 Typescript 示例： - `typescript/vercel-ai-basic`：@vercel/ai-sdk 中的 agent - `typescript/claude-agent-sdk`：带有 `ClaudeAgentStorage` 的 claude agent sdk - `typescript/interactive-agent-skill`：带有可挂载 agent 技能的交互式沙箱 # 🔍 文档 要了解更多关于技能记忆以及 Acontext 的功能，请访问[我们的文档](https://docs.acontext.io/)或从[什么是技能记忆？](https://docs.acontext.io/learn/quick)开始阅读。 # 🏗️ 架构

点击展开

``` graph TB subgraph "Client Layer" PY["pip install acontext"] TS["npm i @acontext/acontext"] end subgraph "Acontext Backend" subgraph " " API["API
localhost:8029"] CORE["Core"] API -->|FastAPI & MQ| CORE end subgraph " " Infrastructure["Infrastructures"] PG["PostgreSQL"] S3["S3"] REDIS["Redis"] MQ["RabbitMQ"] end end subgraph "Dashboard" UI["Web Dashboard
localhost:3000"] end PY -->|RESTFUL API| API TS -->|RESTFUL API| API UI -->|RESTFUL API| API API --> Infrastructure CORE --> Infrastructure Infrastructure --> PG Infrastructure --> S3 Infrastructure --> REDIS Infrastructure --> MQ style PY fill:#3776ab,stroke:#fff,stroke-width:2px,color:#fff style TS fill:#3178c6,stroke:#fff,stroke-width:2px,color:#fff style API fill:#00add8,stroke:#fff,stroke-width:2px,color:#fff style CORE fill:#ffd43b,stroke:#333,stroke-width:2px,color:#333 style UI fill:#000,stroke:#fff,stroke-width:2px,color:#fff style PG fill:#336791,stroke:#fff,stroke-width:2px,color:#fff style S3 fill:#ff9900,stroke:#fff,stroke-width:2px,color:#fff style REDIS fill:#dc382d,stroke:#fff,stroke-width:2px,color:#fff style MQ fill:#ff6600,stroke:#fff,stroke-width:2px,color:#fff ```

# 🥇 徽章   ``` [](https://acontext.io) [](https://acontext.io) ``` # 📑 许可证 本项目当前使用 [Apache License 2.0](LICENSE) 授权。

标签：AI智能体, LLM框架, 上下文管理, 人工智能, 搜索引擎查询, 测试用例, 漏洞探索, 用户模式Hook绕过, 自定义脚本, 记忆层, 请求拦截, 逆向工具