AMA — скилл
Скилл долгой памяти хранит реплики, факты и эпизоды, сверяет найденное и обновляет устаревшее; для OpenClaw есть готовый плагин.
- 115 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Реплики пользователя сохраняются в локальную базу и отправляются на внешние эндпоинты модели и эмбеддингов, а память может содержать личные данные.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/amaОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Реплики пользователя сохраняются в локальную базу и отправляются на внешние эндпоинты модели и эмбеддингов, а память может содержать личные данные.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
AMA — исследовательская система памяти из статьи ACL 2026 и готовый скилл для агентов. Четыре роли работают по кругу: конструктор записывает реплики, факты и эпизоды, поисковик переписывает запрос и выбирает нужный уровень детализации, судья проверяет релевантность и при нехватке доказательств просит еще один раунд поиска, обновляющий удаляет или меняет записи, которые устарели или противоречат новым. `SKILL.md` описывает правила для агента: когда вспоминать прошлое, что сохранять, как собирать эпизоды и исполнять просьбу забыть. В репозитории есть эталонный адаптер для OpenClaw с автоматическим сохранением и поиском, командами CLI и управляемым сервером на SQLite и FAISS, а также исходный код на Python для воспроизведения тестов LoCoMo и LongMemEval.
Для кого. Тем, кто собирает агента с долгой памятью: найденное в ней нужно проверять, а устаревшие сведения обновлять.
Подходит, если
- Агент должен помнить, что пользователь сменил работу или адрес, и не цитировать старое.
- Нужен ответ по давним сессиям с точной цитатой и датой.
- Исследователь воспроизводит результаты на LoCoMo и LongMemEval.
- Пользователь просит забыть конкретный факт, и запись нужно удалить.
- Плагин памяти добавляют в OpenClaw с автоматическим вспоминанием.
Не подходит, если
- Нужна простая память в одном файле без Python и серверов.
- Нет доступа к API с чат-моделью и эмбеддингами.
- Подключать надо готовый MCP-сервер: здесь плагин для OpenClaw и правила для агента.
Пример запроса к агенту
Запомни, что мы перешли на Postgres 17, и в следующем разговоре ответь на вопрос о версии базы по сохраненной памяти.Ограничения
Для работы нужны Python 3.10, Node.js 22.22.3 или новее (поддерживается и 24.15), pnpm 11 и два совместимых с OpenAI эндпоинта: чат-модель и эмбеддинги. Ключ API задают переменными окружения. Готовый адаптер сделан только для OpenClaw, для других сред в репозитории лежит `SKILL.md` как переносимая политика, а интеграцию пишут сами. Наборы данных для тестов не распространяются. Автор признает, что временные рассуждения остаются слабым местом. Последний коммит датирован сентябрем 2026.
Как отключить. Отключите плагин `openclaw-ama` в менеджере плагинов OpenClaw. Базу SQLite и индекс FAISS, где лежат сохраненные реплики, удалите отдельно, если память больше не нужна.
Частые вопросы
Какие агенты поддерживаются?
Готовый плагин рассчитан на OpenClaw. Для остальных сред агент руководствуется `SKILL.md`, а подключение к хранилищу нужно написать самостоятельно.
Какие виды памяти хранятся?
Три: исходный текст с точными формулировками, атомарные факты и эпизоды, собранные из нескольких реплик. Поисковик выбирает уровень под тип вопроса.
Как проверить установку?
Запустите `openclaw ama doctor`, это диагностика из README. Прямую проверку сервера даст `curl http://127.0.0.1:8321/health`.
Куда уходят данные?
Реплики и запросы отправляются на заданные вами эндпоинты чат-модели и эмбеддингов, а сохраненная память лежит локально в SQLite и FAISS.
Под какой лицензией проект?
Apache-2.0. Исходный код исследования лежит в `python/AdaptiveMemory`, адаптер для OpenClaw в корне репозитория.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыХук и скилл для OpenClaw: наводят порядок в папках memory и knowledge, строят слои L0/L1/L2 и граф связей
Плагин долговременной памяти для агента OpenClaw на LanceDB: сам запоминает предпочтения и решения, гибридный поиск, забывание шума
Долговременная память для ИИ-агентов: скилл и команда mindmemos сохраняют факты из диалогов и находят их в новых сессиях
Исследовательский проект, который улучшает и дедуплицирует библиотеку скиллов агента по его сессиям через локальный прокси и необязательный сервер
Self-Improving Agent
self-improving-agent
Скилл для OpenClaw: агент записывает ошибки, поправки и недостающие функции в файлы .learnings и переносит проверенное в память рабочей папки
Datalog-движок на Rust как рабочая память агента: факты с происхождением, правила вывода и MCP-сервер для Claude Code
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| AMA (эта карточка) | нет | 115 | |
| Mem0 | нет | 68 887 | универсальный слой памяти для агентов; AMA добавляет судью проверки и обновление устаревшего |
| Claude-Mem | нет | 116 457 | память для сессий Claude Code; AMA ориентирована на OpenClaw и открытое исследование |
Коротко о README
В статье AMA набирает 0,774 по LoCoMo (GPT-4o-mini) против 0,717 у полного контекста при меньшем числе входных токенов. Метод делит память на три уровня и проверяет найденное судьей.