agentmm
by cers-ai
AgentMM memory & log management skill — gives AI agents persistent memory storage and structured logging. Use when the user asks to remember information, recall memories, or record/query logs. Requires env var AGENTMM_API_KEY (format: amm_sk_xxx).
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/cers-ai/agentmm-skills文档
AgentMM — 记忆与日志管理
认证配置
本技能通过环境变量读取凭证,不在任何文件中存储密钥:
# 必须设置(格式:amm_sk_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx)
export AGENTMM_API_KEY="amm_sk_your_key_here"
# 可选,默认为 https://api.agentmm.site
export AGENTMM_API_BASE="https://api.agentmm.site"
所有脚本启动时会自动读取这两个变量,若 AGENTMM_API_KEY 未设置则报错退出。
功能概览
🧠 记忆系统
- 带标签、上下文、关联的结构化记忆存储
- 基于关键词的记忆搜索(POST /memory/search)
- 增量同步(GET /memory/changes)和批量写入(POST /memory/batch)
- 之前版本的冲突检测(expected_version)
- 软删除(遗忘)与重要性评分
📋 日志系统
- 写入单条/批量日志,支持 debug/info/warn/error/fatal 五个级别
- 按级别、分类、task_id 过滤查询
- 日志统计(错误率、平均耗时、级别分布)
支持的操作
记忆操作
write_memory: 写入记忆(key + content,可附加 tags/context/related)read_memory: 查询记忆(指定 key 或列出全部)search_memory: 关键词搜索记忆update_memory: 更新记忆内容或标签forget_memory: 遗忘(软删除)指定记忆get_memory_stats: 查看记忆统计概览
日志操作(使用 agentmm CLI)
agentmm log write: 写入日志agentmm log list: 查询日志列表agentmm log stats: 获取日志统计
使用说明
所有脚本位于 scripts/ 目录,可通过 exec 工具调用或直接在命令行运行。
记忆脚本
write_memory.sh
写入或更新一条记忆。
export AGENTMM_API_KEY="amm_sk_your_key"
./scripts/write_memory.sh \
--key "project_x_meeting_20260315" \
--content "讨论了 Q2 路线,决定优先做 feature A" \
--tags "project,meeting,roadmap" \
--context "Q2 planning session"
参数:
--key:记忆唯一标识(必填)--content:记忆内容(必填)--tags:逗号分隔的标签(可选)--context:记忆上下文(可选)--related:关联记忆的 key,逗号分隔(可选)
read_memory.sh
查询记忆。
参数:
--key:指定 key (省略则返回所有记忆)--limit:返回条数(默认 100)--offset:分页偏移(默认 0)--sort:排序字段 created_at / updated_at / importance_score(默认 created_at)
search_memory.sh
关键词搜索记忆。
参数:
--query:搜索词(必填)--limit:返回条数(默认 50)
update_memory.sh
更新已有记忆。
参数:
--key:记忆 key(必填)--content:新内容(可选)--tags:替换所有标签,逗号分隔(可选)--context:新上下文(可选)
forget_memory.sh
遗忘(软删除)一条记忆。
参数:
--key:记忆 key(必填)
get_memory_stats.sh
查看记忆库统计概览(总条数、活跃条数、嵌入覆盖率等)。
日志操作(统一 CLI)
使用 scripts/agentmm 统一命令操作日志:
export AGENTMM_API_KEY="amm_sk_your_key"
# 写入日志
./scripts/agentmm log write --level info --title "任务完成" --content "详细过程" --task-id task_abc
# 查询日志
./scripts/agentmm log list --level error --limit 20
# 查看统计
./scripts/agentmm log stats
安装
clawhub install agentmm
或手动克隆后复制到 skills 目录:
git clone https://github.com/fangwei/agentmm-skills
cp -r agentmm-skills ~/.openclaw/skills/agentmm
注意事项
- 所有脚本依赖
curl和jq,请确保已安装。 - API Key 必须通过环境变量
AGENTMM_API_KEY提供,不得硬编码到任何文件。
External Endpoints
本技能调用以下外部端点。所有请求均通过 HTTPS 加密传输,并携带 Authorization: Bearer 头进行认证。
| 端点 | 方法 | 发送数据 | 说明 |
|---|---|---|---|
https://api.agentmm.site/memory | GET / POST / DELETE | key, content, tags, context | 读写/删除记忆 |
https://api.agentmm.site/memory/search | POST | query, limit, threshold | 关键词搜索记忆 |
https://api.agentmm.site/memory/changes | GET | since, limit, offset | 增量同步记忆变更 |
https://api.agentmm.site/memory/stats | GET | — | 记忆库统计 |
https://api.agentmm.site/log | POST | level, title, content, metadata | 写入日志 |
https://api.agentmm.site/log/list | GET | level, category, task_id, since, limit | 查询日志 |
https://api.agentmm.site/log/stats | GET | since | 日志统计 |
https://api.agentmm.site/me | GET | — | 查询 Agent 信息 |
https://api.agentmm.site/server/time | GET | — | 健康检查(无需认证) |
不调用任何其他外部 URL。 如果你的 AGENTMM_API_BASE 指向自部署实例,则请求会发往该地址而非上述默认地址。
Security & Privacy
- 离开本机的数据:记忆内容(key/content/tags)、日志内容(title/content/metadata)会通过 HTTPS 发送到 AgentMM 服务端并持久化存储。
- 不离开本机的数据:你的文件系统内容、其他工具的输出、本地配置文件。
- 凭证处理:
AGENTMM_API_KEY仅通过环境变量读取,从不写入任何文件,不会出现在日志或错误输出中。 - 本地文件访问:
sync_daemon.sh会读写~/.agentmm_sync_state(一个只包含时间戳的纯文本文件),其余脚本无本地文件读写。 - 自治调用说明:本技能设计为由 Agent 自主调用(无需每次确认)。如需限制,可在 OpenClaw 配置中设置
require_approval: true。
Trust Statement
使用本技能即表示你同意将记忆和日志数据发送至 AgentMM 服务(api.agentmm.site)。请仅在你信任 AgentMM 服务提供方的情况下安装使用。如需自托管,将 AGENTMM_API_BASE 指向你自己的实例即可完全掌控数据去向。
相关 Skills
Claude接口
by anthropics
面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。
✎ 想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心
计算机视觉
by alirezarezvani
聚焦目标检测、图像分割与视觉系统落地,覆盖 YOLO、DETR、Mask R-CNN、SAM 等方案,适合定制数据集训练、推理优化及 ONNX/TensorRT 部署。
✎ 把目标检测、图像分割到推理部署串成完整工程链路,主流框架与 YOLO、DETR、SAM 等方案都覆盖,落地视觉 AI 会省心很多。
智能体流程设计
by alirezarezvani
面向生产级多 Agent 编排,梳理顺序、并行、分层、事件驱动、共识五种工作流设计,覆盖 handoff、状态管理、容错重试、上下文预算与成本优化,适合搭建复杂 AI 协作系统。
✎ 帮你把多智能体流程设计、编排和自动化统一起来,复杂工作流也能更稳地落地,适合追求强控制力的团队。
相关 MCP 服务
顺序思维
编辑精选by Anthropic
Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。
✎ 这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。
知识图谱记忆
编辑精选by Anthropic
Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。
✎ 帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。
PraisonAI
编辑精选by mervinpraison
PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。
✎ 如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务(比如自动研究或代码生成),PraisonAI 的低代码设计和多平台集成(如 Telegram)让它上手极快。但作为非官方项目,它的生态成熟度可能不如 LangChain 等主流框架,适合愿意尝鲜的开发者。