Repolode
Предложить
memodb-io

memodb-io/Acontext

Открытый слой памяти, который превращает результаты задач агентов в редактируемые Markdown-файлы навыков, общие для разных агентов и LLM.

Открыть на GitHubСайт
Звёзды
3,695
Форки
332
Открытые issues
37
Последний коммит
3 месяца назад

Что это?

Acontext — это слой памяти навыков для AI-агентов. Он сохраняет знания из сессий агентов — например, что сработало, что не удалось и каковы предпочтения пользователя — в виде файлов навыков, а не непрозрачных эмбеддингов. Разработчики могут просматривать, редактировать, версионировать и экспортировать эти файлы в ZIP-архивы, чтобы использовать их с другими агентами, LLM или фреймворками.

Обучение запускается, когда задача помечена как выполненная или проваленная. LLM обрабатывает диалог и трассу выполнения, а Skill Agent решает, обновить существующий навык или создать новый в соответствии со схемой SKILL.md, заданной разработчиком. Агенты извлекают память с помощью таких инструментов, как get_skill и get_skill_file, полагаясь на вызовы инструментов, а не на семантический поиск top-k.

В проект входят SDK для Python и TypeScript, CLI для запуска собственного backend с Docker и веб-панель. Также доступны виртуальный постоянный диск, изолированное выполнение кода с подключаемыми навыками и функции контекстной инженерии, например сводки и стратегии редактирования.

Ключевые возможности

  • 01Сохраняет усвоенные знания в виде Markdown-файлов навыков, которые можно просматривать и редактировать напрямую.
  • 02Позволяет разработчикам задавать структуру памяти с помощью схемы SKILL.md.
  • 03Извлекает память с помощью инструментов get_skill и get_skill_file, а не поиском по эмбеддингам.
  • 04Экспортирует навыки в ZIP для использования с другими агентами или LLM.
  • 05Предоставляет SDK для Python и TypeScript, а также CLI для самостоятельного развёртывания с Docker.

Сценарии использования

  • Предоставление агенту для программирования или поддержки памяти о предпочтениях пользователей, которую те могут просматривать и исправлять.
  • Обучение агента на неудачных задачах и повторное использование успешных подходов в последующих запусках.
  • Совместное использование одного набора файлов навыков агентами на разных фреймворках.
  • Запуск собственного backend памяти для разработки и тестирования агентов.

Темы

#agent-memory#llm#ai-agent#context-engineering#agent-skills#llmops#self-hosted#agent#agent-development-kit#agent-observability

Частые вопросы

Что такое Acontext?
Открытый слой памяти, который превращает результаты задач агентов в редактируемые Markdown-файлы навыков, общие для разных агентов и LLM. Acontext — это слой памяти навыков для AI-агентов. Он сохраняет знания из сессий агентов — например, что сработало, что не удалось и каковы предпочтения пользователя — в виде файлов навыков, а не непрозрачных эмбеддингов. Разработчики могут просматривать, редактировать, версионировать и экспортировать эти файлы в ZIP-архивы, чтобы использовать их с другими агентами, LLM или фреймворками.
Acontext можно использовать бесплатно? Какая у него лицензия?
Acontext распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
Acontext всё ещё поддерживается?
Обновлялся за последние 6 месяцев. Последний коммит в Acontext — 14 июл. 2026 г..
Для чего можно использовать Acontext?
Предоставление агенту для программирования или поддержки памяти о предпочтениях пользователей, которую те могут просматривать и исправлять. Обучение агента на неудачных задачах и повторное использование успешных подходов в последующих запусках. Совместное использование одного набора файлов навыков агентами на разных фреймворках. Запуск собственного backend памяти для разработки и тестирования агентов.
Где скачать Acontext?
Исходный код и инструкции по установке — на GitHub: https://github.com/memodb-io/Acontext

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты