Token导航 LogoToken导航

Agent Skill · 效率

cross-agent-memory(跨 Agent 记忆)

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。

cross-agent-memory 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 2,925。

总安装 20,933周安装 881GitHub Stars 公开资料未说明下载 7,330核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

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

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

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。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install cross-agent-memory;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

cross-agent-memory 怎么安装?

在终端执行 openclaw skills install cross-agent-memory。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

cross-agent-memory 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

cross-agent-memory 需要什么权限?

权限级别是需要联网。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。

cross-agent-memory 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

cross-agent-memory 用的人多吗?

公开数据是累计安装 20,933 次,近一周安装 881 次,下载 7,330 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

cross-agent-memory 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
cross-agent-memory

跨 Agent 记忆 · 本页

20,933—需要联网MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

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

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills