搜索「Long Term Memory」的结果

io.github.4rgon4ut/sutra

上下文工程引擎。提供认知工具、记忆结构与智能体模式。

build.arca.mcp/arca-mcp-server

Arca 是一个私有数据保险库，你的 AI 在其中存储结构化数据、语义记忆与技能。

io.github.Memphora/memphora

为 AI 助手加上持久记忆，跨会话存储与调用信息。

io.github.silversurfer562/memdocs

为 AI 助手提供 Git 原生的项目记忆，并满足企业级审计合规要求。

io.github.photoxpedia/bolor-brain-mcp

具备记忆、学习与上下文理解能力的认知架构 MCP 服务器

io.github.rsys-vtiwari/weather-mcp

按州查询美国 NWS 天气预警，并提供未来 5 个时段的短时定点预报。

me.pi22by7/in-memoria

持久化的代码库情报，为 AI 助手提供跨会话记忆

io.github.pi22by7/in-memoria

持久化的代码库情报，为 AI 助手提供跨会话记忆

io.github.simplemindedbot/mnemex

带衰减与强化机制的 AI 时间性记忆，采用 JSONL + Markdown 两层存储。

io.github.opencontext-team/mcp-server

提供可视化记忆与上下文存储、并具备知识图谱能力的 MCP 服务器。

io.github.GabrielaHdzMicrosoft/mcp-server

提供可视化记忆与上下文存储、并具备知识图谱能力的 MCP 服务器。

net.nymbo/tools

远程 MCP server：网页抓取、搜索、Python、TTS、记忆、图像与视频。

ai.zine/mcp

你的记忆随 AI 到各处。一次构建知识，随处通过 MCP 访问。

claude-api

io.github.anthropics/skills/claude-api

Claude API / Anthropic SDK 参考——模型 id、定价、参数、流式输出、工具调用、MCP、agent、缓存、token 计数、模型迁移。TRIGGER——在打开目标文件前先阅读本参考，不要因为“看起来只是一行代码”而跳过，凡是：提示中出现 Claude/Anthropic 的任何形式（Claude、Anthropic、Fable、Opus、Sonnet、Haiku、anthropic、@anthropic-ai、claude-*、us.anthropic.*、[1m]）；用户询问 LLM 相关问题（定价/选型/限制/缓存）——不要凭记忆作答；或任务呈 LLM 形态但未指明提供方（agent/MCP/工具定义/多智能体/RAG/LLM 评审/computer-use；对自然语言做生成/摘要/抽取/分类/改写/对话；调试拒答/截断/流式/工具调用/token）。仅当处理的是其他提供方时可 SKIP（覆盖所有触发条件）：查询中点名 OpenAI/GPT/Gemini/Llama/Mistral/Cohere/Ollama；或对项目执行 grep -rE 'openai|langchain_openai|google.generativeai|genai|mistralai|cohere|ollama' 命中（先跑这条 grep

io.github.nodejs/node/v8-understanding

Guides the methodology for investigating V8 concepts, codebase structure, performance, memory, and architecture. MANDATORY to use whenever triaging bugs, investigating crashes, reading C++ files, analyzing compiler optimizations (Ignition, Maglev, TurboFan, Turboshaft), or doing static research on V8 subsystems. Essential for locating high-level design documents in the local docs/ directory before reading C++ code. Do not use for raw build commands or Git workflows.

io.github.K-Dense-AI/scientific-agent-skills/dask

Scales pandas, NumPy, and custom Python research workflows beyond memory or across clusters with Dask. Covers DataFrames, Arrays, Bags, Futures, chunking, schedulers, and distributed diagnostics. Use for partitioned file processing, scientific array computation, or parallel tasks whose memory and dependency structure require Dask.

io.github.K-Dense-AI/scientific-agent-skills/optimize-for-gpu

将科学 Python 工作负载加速到 NVIDIA GPU 上，并验证结果正确且更快。适用于 CUDA/GPU 优化；CPU 受限的 NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、向量检索、图像处理、图、仿真或文件 I/O 负载；CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA、RAFT 相关问题；以及性能剖析、内存搬运、kernel 或多 GPU 瓶颈。当大规模数据并行的 Python 代码很慢且 GPU 加速是合理选项时也应使用，即使用户没有提到 CUDA。

io.github.deepseek-ai/deepseek-harness/dsh-speed-up-perf

在调查或优化 DeepSeek Harness 性能、设计贴近真实的合成基准或 CI 性能门禁、剖析长会话或 Web 响应速度，或把性能 PR 的证据转化为经测量且不改变行为的修复时使用。

skillsmp.ruvnet-ruflo-skill-md

Ruflo 是面向 AI 编码 agent（Claude Code、Cursor、Codex、Copilot、Gemini、Amp 及另外 12 家）的多 agent 编排平台。当用户希望：(1)在项目中安装/初始化 ruflo；(2)运行采用分层协同的多 agent swarm；(3)使用 ruflo 的 314+ MCP 工具处理记忆、路由、钩子、sub-agent 或工作流；(4)查看 ruflo 状态/版本/doctor 健康检查；(5)为任务挑选合适的 ruflo 插件（共 30+）时使用本 skill。

io.github.anthropics/skills/claude-api

Claude API / Anthropic SDK 参考——模型 id、定价、参数、流式输出、工具调用、MCP、agent、缓存、token 计数、模型迁移。触发条件：提示中出现任何 Claude/Anthropic 相关名称（Claude、Anthropic、Fable、Opus、Sonnet、Haiku 等）；用户询问 LLM 相关问题（定价/选型/限额/缓存）时不要凭记忆回答；或任务属于 LLM 类且未指明供应商。仅当明确针对其他供应商（OpenAI/GPT/Gemini/Llama/Mistral/Cohere/Ollama）时跳过。

io.github.affaan-m/ECC/ecc-guide

Answer questions about Everything Claude Code by reading the live repo surface — agents, skills, commands, hooks, rules, install profiles, and docs — instead of memory. Use when the user asks what ECC includes, how to install or reset it, which skill or command fits a task, or how project onboarding works.

io.github.affaan-m/ECC/ck

为 Claude Code 提供按项目持久化的记忆。会话启动时自动加载项目上下文，用 git 活动追踪会话，并写入原生记忆。命令运行确定性的 Node.js 脚本——行为在各模型版本之间保持一致。当项目需要让上下文在多次 Claude Code 会话之间保留、而不必每次重新解释时使用。

io.github.affaan-m/ECC/enterprise-agent-ops

以可观测性、安全边界与生命周期管理运行长生命周期智能体工作负载。适用于运行需要可观测性、安全边界或生命周期控制的长生命周期智能体负载。

io.github.CherryHQ/cherry-studio/cherry-tool-guide

面向通用 agent 的 Cherry Studio 一方工具与内置 shell 路由。在支持 shell 的会话中处理直接的本地工作时:用 `bun <file>` 运行 JS/TS、用 `bun x` 运行一次性 JS 工具;用 `uv run [--with <pkg>] python` 运行 Python、用 `uvx` 运行一次性 Python CLI;搜索用 `rg`。在修改项目依赖、判断工具用临时还是复用方式、读取或转换本地 Office/PDF 文件、跨 Agent 会话协调或委派,或使用 Cherry 自有的 web/浏览器、知识库、持久记忆、日程/通知、IM 渠道、图像生成、产物报告、托管 CLI、技能或 MCP 服务器注册能力前先加载本指南——即使用户没有点名工具。在处理 shell/文件变通方案前先查阅;以实时工具 schema 为准。