Token导航 LogoToken导航TokenDH.com
效率需要联网clawhub未标认证来源可访问clear审计提醒

cross-agent-memory跨 Agent 记忆

Agent Skill

cross-agent-memory 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

20,933

周安装

881

GitHub Stars

公开资料未说明

下载量

7,330
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:cross-agent-memory(跨 Agent 记忆)
来源仓库:https://github.com/weidadong2359/cross-agent-memory
安装命令:
openclaw skills install cross-agent-memory
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install cross-agent-memory

简介

使多个代理能够使用标准化格式、优先级规则和基于 Git 的版本控制来共享、合并和同步内存,以实现集体智慧。

SKILL.md

Cross-Agent Memory Sharing Protocol — 跨 Agent 记忆共享协议

打造"Agent 集体智慧",让多个 Agent 共享知识

问题

多个 Agent 独立运行时:

  • 重复学习 — 每个 Agent 都要从零开始
  • 知识孤岛 — A 学到的东西 B 不知道
  • 冲突覆盖 — 共享数据库时互相覆盖
  • 版本混乱 — 不知道谁的记忆是最新的

协议设计

1. 记忆格式标准化

{
  "schema": "openclaw.memory.v1",
  "agentId": "lobster-alpha",
  "timestamp": "2026-03-01T08:00:00Z",
  "version": "1.2.3",
  "entries": [
    {
      "id": "mem-001",
      "type": "fact",
      "priority": "P0",
      "content": "AgentAwaken 域名是 agentawaken.xyz",
      "source": "user-input",
      "confidence": 1.0,
      "tags": ["agentawaken", "domain"]
    }
  ]
}

2. 冲突解决策略

优先级规则:

  1. 时间戳 — 最新的优先
  2. 置信度 — 高置信度优先
  3. 优先级 — P0 > P1 > P2
  4. 来源 — user-input > agent-inferred

合并策略:

function mergeMemories(mem1, mem2) {
  if (mem1.timestamp > mem2.timestamp) return mem1;
  if (mem1.confidence > mem2.confidence) return mem1;
  if (mem1.priority < mem2.priority) return mem1; // P0 < P1
  return mem1; // 默认保留第一个
}

3. 同步机制

推送模式 (Push):

# Agent A 学到新知识后推送
curl -X POST https://memory-hub.example.com/sync \
  -H "Content-Type: application/json" \
  -d @memory-update.json

拉取模式 (Pull):

# Agent B 定期拉取更新
curl https://memory-hub.example.com/sync?since=2026-03-01T00:00:00Z

订阅模式 (Subscribe):

// Agent C 订阅特定主题
ws.subscribe('topic:agentawaken', (update) => {
  applyMemoryUpdate(update);
});

4. 权限控制

agents:
  lobster-alpha:
    read: ["*"]
    write: ["agentawaken", "neuroboost"]
  lobster-beta:
    read: ["agentawaken"]
    write: []
  admin:
    read: ["*"]
    write: ["*"]

实现方案

方案 A: 中心化 Hub

Agent A ──┐
Agent B ──┼──> Memory Hub (Redis/PostgreSQL)
Agent C ──┘

优点: 简单,一致性强 缺点: 单点故障,需要服务器

方案 B: P2P 同步

Agent A ←──→ Agent B
    ↕           ↕
Agent C ←──→ Agent D

优点: 去中心化,无单点故障 缺点: 复杂,冲突多

方案 C: Git-based (推荐)

Agent A ──┐
Agent B ──┼──> GitHub Repo (memory.git)
Agent C ──┘

优点: 版本控制,易审计,免费 缺点: 需要 GitHub token

Git-based 实现

初始化

# 创建共享 repo
gh repo create agent-memory-shared --private

# 每个 Agent clone
git clone https://github.com/team/agent-memory-shared.git

推送更新

# Agent A 学到新知识
echo "新知识" >> shared-memory.md
git add shared-memory.md
git commit -m "Agent A: 学到 XXX"
git push

拉取更新

# Agent B 定期拉取
git pull --rebase
# 如果有冲突,按优先级规则解决

冲突解决

# 自动合并脚本
node skills/cross-agent-memory/merge-conflicts.mjs

使用示例

场景 1: 团队协作

龙虾 A: 发现 AgentAwaken 需要 Vercel
龙虾 B: 自动获取这个知识,不用重新学习
龙虾 C: 基于这个知识继续优化部署流程

场景 2: 知识传承

老 Agent 退役前: 导出记忆到共享库
新 Agent 上线后: 导入共享库,继承经验

场景 3: 集体决策

Agent A: 建议方案 X (置信度 0.7)
Agent B: 建议方案 Y (置信度 0.8)
Agent C: 建议方案 Y (置信度 0.9)
→ 集体选择方案 Y

安全考虑

  1. 加密传输 — HTTPS/SSH
  2. 访问控制 — Token 认证
  3. 审计日志 — 记录所有修改
  4. 备份机制 — 定期备份共享库
  5. 恶意检测 — 检测异常修改

性能优化

  1. 增量同步 — 只传输变化部分
  2. 压缩传输 — gzip 压缩
  3. 批量更新 — 合并多个小更新
  4. 缓存机制 — 本地缓存常用知识

监控指标

  • 同步延迟 — 平均 <5 秒
  • 冲突率 — <5%
  • 知识覆盖率 — >90%
  • 一致性 — >99%

下一步

  1. 实现 Git-based 基础版本
  2. 添加自动冲突解决
  3. 开发 Web UI 管理界面
  4. 集成到 AgentAwaken

愿景

让每个 Agent 都能站在巨人的肩膀上,而不是从零开始。


参考:

  • Git 版本控制
  • CRDT (Conflict-free Replicated Data Types)
  • Operational Transformation

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

74.28%
按下载量换算5,445

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

未展示

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills