从对话到Skill：TencentDB Agent Memory如何自动提炼可复用的AI操作流程？

从对话到Skill：TencentDB 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-Memory

TencentDB 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-Memory

TencentDB 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