用途：为 AI 智能体设计与实现长期记忆系统，帮助在向量存储、知识图谱和混合方案之间做出选择。
主要能力：资料将记忆划分为从临时到永久的谱系（上下文窗口、短期缓存、长期记忆、知识库），并给出各类型的持续时长与适用场景。架构选项包括向量 RAG（语义相似检索，简单、可扩展，但无关系、有近因偏差）、知识图谱（显式实体与关系，支持推理，但构建维护复杂）、时序知识图谱（带时间关系，支持 as-of 查询与因果，但最复杂）以及混合方案（向量检索取 Top K，再图遍历相关实体，最后重排序）。资料还列出 2024 年基准：Zep 召回率 94.8%、P50 延迟 45ms、单次查询成本 $0.0001；MemGPT 93.4%、120ms、$0.0003；LangChain Memory 87.2%、80ms、$0.0002；Simple RAG 78.5%、30ms、$0.00005。
使用方式：技能包含 examples/（对话记忆、实体记忆、知识库集成）、reference/（架构模式、嵌入策略、Grey Haven 集成）、checklists/（记忆系统选型、部署前实现清单）。快速开始命令：cat reference/architecture-patterns.md、cat examples/conversation-memory.md、cat checklists/memory-selection-checklist.md。资料给出对话记忆、实体记忆、分层记忆三种实现模式，并说明可与 knowledge-base 系列智能体（memory-architect、knowledge-curator、ontology-builder 等 8 个）配合使用。
适用场景：为智能体设计持久记忆、实现 RAG、构建知识管理、在向量与图方案间选型、优化检索性能、集成 Grey Haven 知识库。
限制：资料未提供安装命令、收费价格、平台支持与具体部署步骤；基准数据为 2024 年研究数据，实际效果可能不同。技能版本 1.0，最后更新 2025-01-15。