$ loading_
利用多智能体协作与推理循环，管理复杂任务并保存上下文记忆。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"AI-Agents-Projects-Tutorials" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用多智能体方式完成一个功能开发任务：先由规划代理生成执行计划，再由实现代理给出方案，最后由评估代理结合当前记忆输出冲突点与改进建议，要求形成至少三轮推理循环。
输出三类代理角色的任务清单、协作顺序、记忆化决策点以及下一轮迭代建议。
我在做一个持续推进的项目，请基于多代理框架设计一份记忆结构：包含当前目标、关键假设、已尝试方案和待验证问题，每次交流都能被后续代理读取并更新。
生成可复用的记忆字段模板和代理间共享规则，确保多轮讨论中的信息可追踪。
请给出一个复杂问题的分轮推理流程：第一轮收集事实与假设，第二轮提出方案并用记忆修订，第三轮做反驳与补充，最终形成最终结论。
得到阶段性结论、可追踪的修订记录和最终统一结论，适合团队复盘。
开发者面对大型需求时，可用多智能体把任务拆成规划、执行、复盘角色，借助记忆与推理循环减少遗漏与反复沟通成本。
研究人员在处理复杂问题时，可让不同代理各自从角度建模、推理与自我修订，再通过共享记忆形成更稳健的结论。
它聚焦于多智能体系统、记忆、规划和推理循环，适合把复杂任务拆成可协同、可迭代的流程。
当前素材未提供安装、运行时或密钥说明，具体前置条件请见源码仓库。
单一助手通常一次性给出结论，而该技能强调多角色分工与记忆驱动的规划、推理循环，更适合复杂场景下的持续迭代。
为多智能体协作检索可引用的技术上下文并支撑有据可依的任务推进
为 AI 代理提供长期记忆、可观测检索与受控上下文组装。
为 AI 代理提供可保存与检索上下文的共享长期记忆库
为 AI 代理提供情节记忆与架构策略管理，帮助保存上下文并约束行为。
为 AI Agent 提供与项目绑定的本地持久化记忆能力。
为 AI 代理提供本地优先的长期记忆查询与学习能力