1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | iris-development | SKILL.md |
| 作者/维护者 | Redis, Inc.(官方 redis/agent-skills 仓库) |
GitHub API |
| 来源链接 | https://github.com/redis/agent-skills/tree/main/skills/iris-development | — |
| 许可证 | MIT | GitHub API |
| GitHub Stars / Forks | 所属仓库 90★ / 21 forks(该数字属整个 Redis Agent Skills 合集,不代表本技能个体热度,仅供了解所属仓库规模) | GitHub API |
| 最新版本 | SKILL.md 标注 version 1.0.0;子目录最近一次提交 2026-05-27 | 仓库提交历史 / SKILL.md |
| 安装方式 | npx skills add redis/agent-skills 或 Claude Code 插件市场一条命令安装(见第 9 章) |
仓库 README |
2. 功能介绍与亮点
Iris 是 Redis 面向 AI 产品线打出的品牌伞,本技能目前覆盖其中一款产品:Redis Agent Memory(RAM)——面向 AI agent 的持久记忆层,以 Redis Cloud 托管服务形式提供。
核心能力:
- 两级记忆模型:session memory(仅追加的会话事件流,作为工作记忆)与 long-term memory(语义可检索的长期记录)分离管理
- 自动记忆提炼:后台 promotion worker 从会话事件中自动提炼持久事实并写入长期记忆,无需手写 ETL 逻辑
- 官方双语言 SDK:Python 的
redis-agent-memory与 TypeScript 的@redis-iris/agent-memory,均通过 REST/JSON 数据面 API 通信 - 9 篇独立 references 文档按优先级(HIGH/MEDIUM)分四类组织:服务开通与鉴权、会话记忆、长期记忆、记忆提炼,每篇均配 Python/TypeScript 双语言正确/错误示例
- 长期记忆支持按 namespace、ownerId、topics、memoryType 组织,便于多租户或多主题场景检索
亮点:由多位具名 Redis 工程师(valkirilov 主导设计、rokn 参与迭代)历时约一个月持续打磨(脚手架搭建→字段修复→结构重构→正式发布),是 Redis Agent Skills 合集中最新加入的技能,直接对应当下 agent 开发中“如何给 agent 配一套记忆”这一高频需求。
3. 适用场景
固定分类:元技能与 Agent 增强
- 需要给 AI agent 接入跨会话持久记忆、区分“当前会话”与“长期画像”两级记忆的开发者
- 构建多轮对话助手,希望 agent 能记住用户过去交互中的偏好与事实的场景
- 倾向使用托管服务而非自建向量库/记忆数据库来实现 agent 长期记忆的团队
- 需要系统自动从对话中提炼可复用事实(而非手动写结构化记忆)的场景
4. 跨 Agent 兼容性
- Claude Code:原生支持——仓库自带
.claude-plugin/marketplace.json,/plugin install redis-development@redis会连带装入本技能 - Codex:官方声明支持——Redis 官方博客(redis.io/blog,2026-02-03 发布)原文列出“every AI coding agent you use (Claude Code, Cursor, Codex, Copilot, Augment Code, whatever)”,明确将 Codex 纳入支持范围;但仓库内未见针对 Codex 的专用清单目录,实际安装依赖通用 Agent Skills CLI(
npx skills add) - OpenClaw:未验证——官方材料未提及,技能遵循标准 SKILL.md 格式,理论上可通用安装,但未见官方或可靠第三方验证
- Hermes Agent:未验证——官方材料未提及
(仅基于已抓取材料判断,未为兼容性单独发起搜索)
5. 推荐理由
给 AI agent 配一套持久记忆,是当前几乎所有“有状态”agent 应用都要面对的问题:不少团队要么手搓向量库拼凑记忆逻辑,要么干脆依赖模型上下文窗口硬扛,前者运维成本高,后者跨会话即遗忘。iris-development 把“会话记忆 / 长期记忆”两级模型和自动记忆提炼(promotion)封装成开箱即用的 SDK 调用,配合 Python/TypeScript 双语言示例,让开发者省去自行设计记忆 schema 与提炼逻辑这一步,直接把持久记忆能力接入 agent。作为 Redis 官方产品线在 agent 记忆赛道的最新布局,适合正在规划 agent 记忆架构、又不想自建记忆基础设施的初中级开发者作为起点参考。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 属合集仓库子目录,不沿用整仓库 90★;子目录自身由多位 Redis 工程师(valkirilov 主导、rokn 参与)于 2026 年 5 月迭代发布,距今约 2 个月;已发现一例真实第三方独立项目(GitHub 用户 atimothee 的 email-signal 项目)在 issue 中明确规划接入 Redis Iris Agent Memory,尚未见更多独立讨论来源 |
| 可用性 | 8 | 通过 Claude Code 插件市场或 npx skills add 一条命令安装;SKILL.md 结构清晰,配 9 篇分级 references 文档与 Python/TypeScript 双语言示例;需先在 Redis Cloud 控制台开通 Agent Memory 服务并配置 API Key(提供免费试用入口,非纯自助免费);最近提交 2026-05-27 |
| 安全性 | 9 | 见下方检查清单 |
安全检查清单:
① 执行 shell 命令——纯文档指导型技能,无 scripts/ 目录,SKILL.md 与 9 篇 references 均为说明性代码示例
② 联网外发数据——SDK 按用户自行开通的配置向 Redis Cloud 官方数据面端点(如 gcp-us-east4.memory.redis.io)发起请求,端点公开透明,账号与数据由用户自行持有
③ API key/凭据——需要 Store API Key,文档明确要求存入密钥管理器并按 store 单独轮换,存储方式清晰
④ 未发现可疑指令——抓取 SKILL.md 全文及全部 9 篇 references,内容均为透明的 SDK 调用说明,未见 prompt injection 或混淆代码迹象
⑤ 作者信誉——Redis, Inc. 官方仓库,主要贡献者 GitHub 资料确认任职于 Redis,仓库共 10 位具名贡献者持续维护
⑥ License——MIT,明确
⑦ 维护时间——最近提交 2026-05-27,仓库整体最近一次推送为 2026-07-09
综合评分:7.7(三项均值)
7. 跟同类 Skills 相比的优势
| 项目 | 定位 | 与 iris-development 的差异 |
|---|---|---|
| supermemory(supermemoryai/supermemory) | 开源自托管 AI agent 记忆基础设施,原生集成 LangChain、CrewAI、Vercel AI SDK 等主流框架 | 开源可自托管、框架生态集成面更广;iris-development 是 Redis Cloud 的托管服务,不能自托管,但省去自建向量库与提炼管道的运维,更适合已在用或愿意采用 Redis Cloud 的团队 |
| mem0(mem0ai/mem0) | “Universal memory layer for AI Agents”,开源、Apache-2.0 许可,是 agent 记忆赛道 star 数最高的开源项目之一 | 定位为可插拔任意存储后端的记忆抽象层,自身不绑定具体数据库;iris-development 绑定 Redis Cloud 单一后端,换取“零运维、Redis 生态原生”的简单性 |
| redis-search(同合集内) | 面向已有 Redis 实例做全文/向量检索索引设计的检索技能 | 解决“如何检索已有数据”的问题,不涉及会话追踪、事实提炼与记忆生命周期管理;iris-development 解决“如何持久化并自动整理 agent 记忆”的问题,两者职责互补 |
iris-development 的差异化在于“零基础设施的记忆即服务”:不需要自己设计记忆 schema、部署向量库或编写提炼逻辑,通过官方 SDK 一次调用即可获得会话+长期两级记忆与自动记忆提炼,适合已经使用或愿意采用 Redis Cloud、希望以最小自建成本获得 agent 记忆能力的团队;偏好完全自托管或多后端可插拔方案的团队更适合 supermemory 或 mem0。
8. 用户评价
该技能所依托的 Redis Iris Agent Memory 产品已被独立开发者纳入真实项目考量:开发者 atimothee 在其项目 email-signal 的 GitHub issue 中详细规划用 Redis Iris Agent Memory 与 Context Retriever 替换自建的向量记忆方案(该 issue 现已关闭)。该技能本身目前在 Reddit、Hacker News 等平台尚无具名用户评价。
9. 安装使用方式
- Agent Skills CLI:
npx skills add redis/agent-skills(安装整个合集,含 iris-development) - Claude Code 插件市场:
/plugin marketplace add redis/agent-skills,再执行/plugin install redis-development@redis - Cursor:在对话中使用
/add-plugin redis - 手动安装:将
skills/iris-development目录复制到对应 agent 的技能目录
安装后注意事项:需先在 Redis Cloud 控制台(cloud.redis.io/#/agent-memory)开通 Agent Memory 服务(提供免费试用入口),获取 Server URL、Store ID、Store API Key 三项凭据并通过环境变量注入(AGENT_MEMORY_BASE_URL / AGENT_MEMORY_STORE_ID / AGENT_MEMORY_API_KEY),再安装对应 SDK(pip install redis-agent-memory 或 npm add @redis-iris/agent-memory)。按插件方式安装会连带装入其余 7 个 Redis 子技能;若只需要 agent 记忆能力,可只手动复制 iris-development 子目录(内容不依赖合集内其他子技能)。安装后无需重启,agent 会在涉及为 agent 接入持久记忆的对话中自动触发。
10. 注意事项
- Redis Agent Memory(Iris)目前仍是 Redis 较新的产品线(本技能 2026 年 5 月发布,距今约 2 个月),长期稳定性与定价策略有待观察
- 使用前需注册 Redis Cloud 账号并开通 Agent Memory 服务(有免费试用入口,非纯本地免费方案),区别于可完全自托管的 supermemory、mem0
- Codex 支持基于官方博客文字声明,未见专用清单目录佐证,建议使用前自行验证实际安装效果
- OpenClaw、Hermes Agent 的兼容性目前均无官方或可靠第三方材料佐证,两个生态的用户使用前建议先自行验证基本安装流程
- 该技能所属仓库历史较短(2026 年 1 月创建),长期维护稳定性有待观察