Acontext

Acontext 是一个面向 AI agent 的 skill memory 产品节点。它把 agent 运行过程中的成功经验沉淀成可读、可编辑、可同步到本地的 Markdown skill 文件，而不是只把历史对话塞进向量库。

观察

Skill memory 把 agent 的“经验”从一次性会话转成可复用文件：任务过程被捕获、蒸馏成 SKILL.md 风格说明，再被后续 agent 读取。
Acontext 与 AI 记忆系统相邻，但它更偏程序性记忆和工作流记忆；核心不是记住用户事实，而是复用解决问题的方法。
对 Agentic 软件开发工作流来说，skill memory 是把隐性操作经验显式化的一种基础设施。它可以和 AGENTS.md、工具权限、验证脚本、项目 runbook 共同构成 agent 的外部工作环境。
Acontext 也提示 Agentive 系统的边界：一个系统可以表现出“越用越会”的改进循环，但如果目标、身份和评估仍主要由外部工具与人类定义，它仍然更像 agentic workflow 的记忆层，而不一定是 agentive 系统。
官方仓库采用 Apache-2.0 许可，并提供 Python、TypeScript 客户端和 Docker 自托管入口。acontext server up 会创建 .env、config.yaml 与持久化 db 目录；技能可以 ZIP 上传、逐文件读取、删除和下载，因此原先未知的 SDK、部署和导出路径已经有公开答案。
官方加密文档描述了按项目启用的 AES-256-GCM envelope encryption：API key 携带主密钥，服务端只保存密文和被包裹的数据密钥；只有项目 owner 可开关加密。其代价是加密项目不能文本搜索或去重，丢失密钥后也不能恢复。

已回答：SDK、自托管、默认持久化目录、技能 ZIP 结构、读取／删除／导出接口和项目级加密已有官方文档与源码入口，不再作为笼统未知项。
权限与删除边界：公开材料能确认 API key、项目 owner 和单个 skill 删除接口；本批未取得按技能／文件细分的最小权限矩阵、所有 session／artifact 的保留期限、备份擦除证明或第三方安全审计。因此只能写“产品提供这些控制面”，不能写“企业数据治理已经完备”。
效果边界：“improve themselves” 应理解为外部 skill-memory loop 的产品叙事。仓库公开和技能可编辑提高可检查性，但没有受控 benchmark 证明自动蒸馏技能能稳定降低错误率、跨任务泛化或节省总成本。
可复核门槛：若要把产品效果升级为已验证结论，至少需要固定任务集、无记忆／原始历史／人工技能／自动技能四组对照，报告成功率、回归率、误记与冲突、token／时间成本，并公开生成技能和失败轨迹。

公开仓库由 GitHub 组织 memodb-io 维护；截至本次检索，官网与仓库材料不足以建立创始人、学校、前任职或融资关系。因此本页只记录产品和技术事实，不从账号名或贡献记录推断人际关系。
可确认的关系是技术相邻：产品把可复用经验沉淀为本地技能文件，与 Matt Pocock Skills、AI 记忆系统形成机制层连接。