caura-memclaw
为多智能体舰队提供可治理、可共享、可自我进化的记忆系统。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：caura-memclaw。 它的用途是：为多智能体舰队提供可治理、可共享、可自我进化的记忆系统。 完整的 Skill 内容见：https://321skill.com/skills/caura-memclaw/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“将客户关于‘如何重置密码’的解决方案保存到共享记忆库，并标记为‘客服-常见问题’。”，MemClaw会将其结构化存储。当另一个客服智能体遇到类似问题时，可以说：“回忆一下关于‘密码重置’的已知解决方案。”，系统会快速从舰队共享记忆中检索并返回最佳答案，实现经验复用。
介绍
MemClaw 是一个专为多租户、多智能体AI舰队设计的开源记忆系统。它解决了在规模化AI代理部署中，知识孤立、重复学习和缺乏统一治理的问题。
智能体只需写入纯文本，MemClaw 会自动将其转化为可搜索、受治理且能自我改进的共享记忆。通过“写入、回忆、复合”的核心循环，舰队中任一智能体的经验都能被其他智能体复用，从而避免重复错误，实现整体智能的持续进化。
它特别适合拥有数十甚至数千个AI代理的企业或团队，例如客服机器人、自动化流程代理、数据分析助手等需要跨代理共享知识和统一管理的场景。
使用前需注意，MemClaw 需要自行部署和维护后端服务（Postgres + pgvector + Redis）。对于单一智能体或简单对话场景，其多租户和治理功能可能显得过于复杂。
核心特点
核心区别在于其“舰队级”架构设计：不同于大多数仅服务于单一智能体或单次长对话的记忆方案，MemClaw 从第一天起就围绕多智能体、多租户的生产环境构建，内置了作用域记忆、跨代理结果传播和舰队范围的信任层级等治理功能，并在延迟、Token效率和治理能力等随代理数量增长而至关重要的指标上进行优化。
注意事项
不适合仅需单个AI智能体进行简单、独立对话的个人或轻量级应用场景。
常见问题
MemClaw 和普通的向量数据库有什么区别？
MemClaw 是基于向量数据库等构建的完整记忆系统，不仅提供存储和检索，更强调跨智能体的记忆共享、治理规则（如访问权限、信任层级）以及基于使用反馈的记忆自我优化（复合）能力。
部署复杂吗？需要哪些基础设施？
可通过 Docker Compose 一键部署，依赖 PostgreSQL（带 pgvector 扩展）、Redis 和其自身的 API 服务。需要一定的运维知识进行管理和维护。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/caura-memclaw/raw/index.md 读取 caura-memclaw 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/caura-memclaw/raw/index.md（查看排版版本）