用途：该技能用于设计、实现与审查智能体记忆系统，解决跨会话记忆、长期记忆、记忆检索、情景记忆等需求。触发条件包括用户提到 agent memory、long-term memory、memory systems、remember across sessions、memory retrieval、episodic memory。
主要能力：采用 CoALA 认知架构框架，区分语义记忆（事实）、情景记忆（经历）与程序记忆（如何做）；覆盖短期（上下文窗口）、长期（向量存储）与工作记忆；包含记忆形成、记忆衰减、记忆检索等主题；提供 LangMem 实现示例、运行时记忆检索示例、后台记忆处理（LangGraph）示例，以及偏好更新（先删后写）示例。
工具与选型参考：记忆框架包括 LangMem、MemGPT/Letta、Mem0；向量库包括 Pinecone、Qdrant、Weaviate、ChromaDB、pgvector，并给出规模、托管、过滤、混合搜索、成本与延迟的对比；嵌入模型包括 OpenAI text-embedding-3-large/small、nomic-embed-text-v1.5、all-MiniLM-L6-v2。
使用方式：先确认用户目标与范围，阅读 metadata.json 与 ORIGIN.md 确认来源，再按需加载 SKILL.md 及少量参考、示例或脚本，避免默认加载整个包。
适用场景：为 LangGraph 智能体添加持久记忆、构建用户偏好层、设计 RAG 式记忆检索、选择向量数据库与嵌入模型、处理文档分块策略。
限制：资料未提供具体安装命令、价格与平台支持细节；部分资源路径标注为 n/a；该技能为上游仓库的打包层，涉及向量库运维、RAG 架构、嵌入模型选择、知识图谱设计等任务时，资料建议交由相应专门技能处理。