Acontext

给 AI Agent 装上持久记忆，告别上下文丢失

开源 🏷️定价信息待确认 ✅ 目前可打开基础设施 🍴 复刻 332 🐛 待处理 16 👀 关注 26 ⚠️ 作者已归档（停止维护）

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 3697

维护状态较活跃

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类基础设施

开发团队memodb-io

官网地址https://acontext.io

GitHubhttps://github.com/memodb-io/Acontext

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态✅ 目前可打开

是否开源是

开源协议Apache-2.0

主要语言JavaScript

技术栈/模型agent,agent-development-kit,agent-observability,ai-agent,anthropic,context-data-platform,context-engineering,data-platform,llm,llm-observability,llmops,memory,openai,self-evolving,self-learning

GitHub 星标★ 3697

上线时间2025-07-16 00:00:00

代码更新2026-10-24

仓库体积29.2 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数4

项目介绍

Acontext 是一个面向 AI Agent 的上下文数据平台，将 Agent Skills 作为记忆层，解决 Agent 在长时间运行中上下文丢失、记忆碎片化的问题。它提供统一的上下文管理能力，支持从多种数据源（如对话历史、工具调用、外部文档）中提取、结构化并持久化关键信息，并通过 API 或 SDK 集成到现有 Agent 开发流程中。核心能力包括：自动记忆提取与更新、上下文检索增强（RAG）、跨会话记忆共享、以及可观测性工具，帮助开发者调试和优化 Agent 的上下文使用。项目基于 JavaScript 实现，兼容 Anthropic 等主流 Agent 框架，适合构建需要长期记忆的复杂 Agent 应用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3697

技术标签

agent agent-observability ai-agent anthropic context-engineering

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境（可用 pip 安装依赖）
可访问 PyPI 网络
一个与 Acontext 集成的 Agent（如 Anthropic 等框架）

安装与启动步骤

1安装 Python SDK

使用 pip 安装官方 acontext 包，这是接入上下文数据平台的前提；README 未给出虚拟环境要求，可自行隔离。
```
pip install acontext
```

2存储会话消息

在 Agent 会话中把 user / assistant 消息写入 Acontext；示例默认已有 client 与 session 对象。

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?"})

3运行 Agent 触发学习

正常运行业务 Agent 并持续存储消息；当任务完成时，记忆提取与学习会自动运行，无需手动触发。
4下一轮召回技能

给 Agent 提供 get_skill、get_skill_file 等 Skill Content Tools，由 Agent 自行调用获取技能内容，不使用向量检索。