智能体结构化记忆

技能简介

本技能为智能体提供对话原生的结构化记忆能力，使AI助手能够在多轮交互中持续维护、更新和检索关键信息，适用于需要长期上下文跟踪的金融分析场景。

业务背景

金融分析场景中，智能体需在多轮对话中持续追踪客户资产状况、投资偏好与风险承受能力。本技能让AI助手像专业顾问一样"记住"关键信息，避免用户重复交代背景，显著提升服务连贯性与客户体验，同时降低人工交接的信息损耗。

落地案例：理财顾问使用智能体为高净值客户制定年度配置方案。首轮对话记录客户"保守型风险偏好、计划3年后购房、当前持仓60%固收"。两周后客户再次咨询，智能体自动召回历史记忆，直接基于此前信息推荐适配的债基组合，无需重新询问基础情况，实现真正的持续性财富管理服务。

能做什么

• 在对话过程中自动提取并存储结构化信息
• 支持跨会话的记忆持久化与召回
• 实现智能体状态的动态更新与管理
• 为多步骤金融分析任务提供上下文连续性

使用说明

安装指令：

# 克隆技能仓库
git clone https://github.com/openclaw/skills.git
# 进入目标技能目录
cd skills/skills/singhcoder/agents-structured-memory
# 根据项目要求完成依赖安装

配置步骤：

1. 将技能集成至智能体框架
2. 配置记忆存储后端（如向量数据库或键值存储）
3. 定义记忆结构模式以匹配业务需求
4. 在对话流程中调用记忆读写接口

输入与输出

见下方输入与输出表格。

风险提示

• 敏感金融数据需加密存储，避免明文记忆泄露
• 记忆容量增长可能影响响应速度，需设置清理策略
• 跨会话记忆可能携带过时信息，建议添加时间戳校验
• 并发访问场景下需注意记忆一致性

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/singhcoder/agents-structured-memory/SKILL.md
来源类型：GitHub开源仓库