开发与工程 skill-memory context-engineering python-sdk typescript-sdk self-hosting agent-observability

Acontext

将代理运行经验自动沉淀为可读、可编辑的技能文件。

源仓库: memodb-io/Acontext
Star 数: ★ 3.7k
最近更新: 13 天前
License: Apache-2.0
主语言: JavaScript
FA 评分: 44/100 · 缺口较多

30 秒速览

运行形态: 代码库 / SDK自托管服务云服务 / SaaS
可在哪里用: 通用 · 跨平台OpenAI API · Claude APIClaude Code（部分支持）
费用: 有免费版，另有付费云服务
上手难度: 中 · 需要几步配置
开始前需要: DockerOpenAI API 密钥Shell / 命令行网络访问本地文件系统
典型场景: 使用 OpenAI Agent SDK 构建客服或任务代理的开发者，希望把已完成任务中的有效做法沉淀为可审阅的 Markdown 技能。
不适合: 需要完全离线、不能调用云端大模型的团队
希望开箱即用、不想自己定义 SKILL.md 结构的用户
无法使用 Docker 或不愿提供 OpenAI API Key 的自托管用户
源码审查: 44/100 · 缺口较多 2 项安全控制未见

这个 Agent 能做什么，适合哪些场景？

Acontext 是面向 AI 代理的开源技能记忆层，将代理运行中的学习结果保存为 Markdown 技能文件。它提供 Python SDK、TypeScript SDK、REST API、Web Dashboard，以及可自托管的后端。学习流程从会话消息及可选的工具调用和产物中提取任务，在任务完成或失败后进行蒸馏，并由 Skill Agent 按 SKILL.md 定义的结构更新技能。后续运行时，代理通过 list_skills、get_skill 或 get_skill_file 获取所需内容，而不是依赖向量检索。技能可下载为 ZIP，在其他代理、LLM 或运行环境中复用。

应用先创建 learning space 和 session，再调用 client.learning_spaces.learn(space.id, session_id=session.id) 关联两者。代理运行期间可用 client.sessions.store_message(session.id, blob=...) 写入用户和助手消息；任务完成或失败后，系统从消息流中提取任务、蒸馏成功经验、失败信息和用户偏好，并由 Skill Agent 写入或更新 Markdown 技能文件。调用 client.learning_spaces.wait_for_learning 后，可通过 client.learning_spaces.list_skills(space.id) 列出已学习技能，并用 client.skills.download(skill_id=..., path=...) 下载到本地。代理在下一次运行中使用 get_skill 和 get_skill_file 按需读取技能内容；自托管时 acontext server up 会启动本地 API、Dashboard 和持久化目录。

使用 OpenAI Agent SDK 构建客服或任务代理的开发者，希望把已完成任务中的有效做法沉淀为可审阅的 Markdown 技能。
运行 Claude Agent SDK 的团队，希望在代理执行失败后也记录可供后续任务使用的经验。
维护多个 LangGraph、Claude 或 AI SDK 代理的工程团队，需要把技能文件共享给不同框架，而非迁移向量索引。
需要在本机验证代理记忆方案的开发者，可用 Docker 和 acontext server up 启动本地后端与 Dashboard。
构建带代码执行能力代理的团队，希望将技能挂载到 sandbox，并结合磁盘、sandbox 和技能工具使用。

如何安装或部署这个 Agent？

云端：先在 Acontext.io 完成引导并取得以 sk-ac 开头的 API Key，然后执行：

pip install acontext

自托管验证：已安装 Docker 并具备 OpenAI API Key 后，执行：

curl -fsSL https://install.acontext.io | sh
mkdir acontext_server && cd acontext_server
acontext server up

该命令会创建或使用 .env 与 config.yaml，并在 db 目录持久化数据；本地 API 地址为 http://localhost:8029/api/v1，Dashboard 为 http://localhost:3000/。

如何使用这个 Agent？

Python 首次调用可使用：

from acontext import AcontextClient
import os

client = AcontextClient(api_key=os.getenv("ACONTEXT_API_KEY"))
space = client.learning_spaces.create()
session = client.sessions.create()
client.learning_spaces.learn(space.id, session_id=session.id)
client.sessions.store_message(session.id, blob={"role": "user", "content": "My name is Gus"})
client.sessions.store_message(session.id, blob={"role": "assistant", "content": "Hi Gus! How can I help you today?"})
client.learning_spaces.wait_for_learning(space.id, session_id=session.id)
skills = client.learning_spaces.list_skills(space.id)

自托管时改为：

client = AcontextClient(base_url="http://localhost:8029/api/v1", api_key="sk-ac-your-root-api-bearer-token")

这个 Agent 有哪些优点和局限？

优点

记忆以可读、可编辑的 Markdown 技能文件保存，可用 Git、grep 或挂载到 sandbox 管理。
任务完成和失败都会触发学习，流程明确包含任务提取、蒸馏、路由及技能更新。
通过 get_skill 和 get_skill_file 让代理按需逐步读取内容，不采用语义 top-k 检索。
同时提供 Python 与 TypeScript SDK，并支持 Docker 自托管及 ZIP 导出。

局限

自托管快速启动明确要求 Docker 和 OpenAI API Key，默认使用 gpt-4.1。
学习在后台运行；wait_for_learning 只是演示用途的阻塞辅助方法，生产中需要接受异步完成模型。
技能结构、命名和文件布局需要使用者通过 SKILL.md 自行定义。
README 提到 Claude Code 的配置入口，但未在仓库内容中给出完整的配置步骤。

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

Agent	源码审查	形态 / 费用	Star	最近更新	主语言	完整支持的平台
Acontext 当前	44 · 缺口较多	代码库 / SDK免费版 + 付费版	★ 3.7k	13 天前	JavaScript	OpenAI API · Claude API
TrueForge	67 · 存在缺口	命令行工具免费 + 模型费	★ 6.4k	1 天前	TypeScript	OpenAI API · Claude API
PenguinHarness	52 · 缺口较多	桌面应用免费 + 模型费	★ 3.2k	今天	TypeScript	OpenAI API · Claude API
Letta	47 · 缺口较多	命令行工具免费 + 模型费	★ 25k	18 天前	—	—

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

44/ 100 五分制 2.2 / 5

信任安全 7/29

可靠稳定 8/14

适用触发 9/18

规范维护 10/18

有效结果 7/13

证据核验 3/8

查看各维度的扣分理由

信任安全7 / 29 · 1.2/5

可靠稳定8 / 14 · 2.9/5

证据显示：README 和架构图提供了自洽的描述，但未提供实际运行验证；依赖可用性未明确说明；失败消息未提及。扣分原因：静态审查无法验证运行行为，且文档未提供错误处理信息。

适用触发9 / 18 · 2.5/5

证据显示：README 提供了多种使用场景（Claude Code、OpenClaw、Python/TS SDK），并说明了能力边界（如技能文件格式）；触发精度未明确；环境适配（自托管、云）有说明。扣分原因：触发机制和边界描述不够精确。

规范维护10 / 18 · 2.8/5

证据显示：README 结构清晰，提供了安装说明、示例和文档链接；命名稳定性未明确；已知限制未提及；许可证为 Apache-2.0；版本控制和变更日志有提及（通过 GitHub Actions 生成）；维护责任未明确。扣分原因：缺少已知限制和明确的维护责任声明。

有效结果7 / 13 · 2.7/5

证据显示：输出为 Markdown 技能文件，具有可用性；边际价值体现在自动学习技能；成本效益未详细说明。扣分原因：成本效益分析不足。

证据核验3 / 8 · 1.9/5

证据显示：README 中的声明部分有文档链接支持，但未提供独立验证；交叉来源验证不足；事实与推断未明确区分。扣分原因：缺乏可验证的证据和来源。

风险与缓解建议

源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
静态审查无法验证实际运行行为，所有关于功能、安全性和可靠性的结论均为推断。
README 中提到的云服务、API 密钥和自托管部署涉及外部依赖，需谨慎评估其安全性和隐私影响。
未提供已知限制和明确的维护责任，用户需自行评估长期支持风险。

证据充分度：低评估于 2026年8月9日审查版本 259d73bfdebe 评估后仓库已有新提交，评分可能未覆盖最新改动

评估证据 README.md LICENSE workflows/_reusable-docker-release.yaml workflows/admin-release.yaml e2e/admin.e2e.spec.ts e2e/frontend.e2e.spec.ts helpers/login.ts

查看完整评分方法 →

常见问题

它是否使用向量数据库或语义检索？

README 将其定位为不使用 embedding 和 semantic top-k 的方案；代理通过技能内容工具按需读取文件。

任务失败会怎样？

任务被标记为完成或失败时都会触发学习；蒸馏步骤会从会话和执行轨迹中推断哪些做法成功或失败。

能否在本地运行？

可以。安装 acontext-cli 后，在具备 Docker 和 OpenAI API Key 的环境执行 acontext server up，可得到本地 API 与 Dashboard。

能否与 Claude 一起使用？

README 列出了 Claude Code 的安装配置入口，并提供 Claude Agent SDK 模板；具体配置内容不在所给仓库文本中。

Acontext

30 秒速览

这个 Agent 能做什么，适合哪些场景？

如何安装或部署这个 Agent？

如何使用这个 Agent？

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

FollowAgents 如何评估这个 Agent？

最近版本

常见问题

对比同类 Agent

开源编程 Agent 横向对比

相关 Agents

TrueForge

PenguinHarness

Letta

Hindsight