AI长期记忆·五层记忆法

问题：Agent 为什么会「聊着聊着就忘了」

对话窗口里的上下文有限，会话一结束，用户偏好、项目里拍过的板、踩过的坑、某工具的正确用法，往往就散在聊天记录里，下次还要重问、重踩。对长期协作的 Agent 来说，缺的不是更大的 prompt，而是可持久化、可检索、可分层的长期记忆。

技能如何工作

五层记忆法 Pro 把记忆按稳定性拆成五层：L1 规则写入 MEMORY.md（原则与底线）；L2 用户画像在 USER.md；L3 情节记忆落在 recent_memory/（项目、决策、待办、教训等子类）；L4 工作记忆在 work_memory/ 管会话态；L5 技能记忆在 skill_memory/ 沉淀工具经验。

Pro 版强调三条能力：

• 自动记忆提取：从对话或文件里识别规则、偏好、决策、教训等 9 类候选条目，建议入库，减少手工整理。
• 混合语义搜索：BM25 做关键词精确匹配，字符 n-gram TF-IDF + 余弦相似度做语义召回，双路合并排序；没命中原词也能按意思找回来。
• 项目功能总账：每个项目维护 7 章节总账（模块、接口、数据表、配置、决策、坑点、待办），把零散情节收成结构化全景。

日常操作围绕 CLI：init 初始化、add/search/list 读写检索、extract 批量萃取、ledger 管理总账、switch 切换项目。条目可按 ★～★★★★★ 设重要度与有效期，重要内容可向上层「蒸馏」。实现上遵循 3S 架构（小文件、小函数、分层），零第三方依赖，纯 Python 标准库。

适用边界与注意点

• 面向 单机/本地文件 记忆目录，不是云端向量库 SaaS；大规模多租户场景需自行扩展存储与权限。
• maintain、export、import 等命令在文档中标注为占位或开发中，生产流程不要默认依赖。
• 协议为 AGPL-3.0，商用需向出品方确认授权。