墨羽 AI Agent 安全记忆工具包

要解决的问题

AI Agent 的持久记忆常带来三类具体风险：写入内容可能被提示注入污染；手机号、身份证、API Key 等 PII 被留在本地文件；上下文逼近限制时，旧会话被粗暴截断，关键决策丢失。很多记忆方案依赖外部向量库、LLM API 或云租户，离线部署和零基础设施场景并不友好。

工作方式

墨羽 把记忆层拆成防御、检索、生命周期三层：写入前经过 613 条正则安检与 LLM 复核，命中注入、PII 或异常写入时拦截、脱敏或回滚；检索组合语义、BM25、时间、实体与渐进内容信号，并通过搜索反馈持续调权重；记忆进入后按热度、场景与语义做压缩、遗忘、合并，原文仍保留以便审计。它强调离线可用：本地 ONNX 向量化、SQLite FTS5 和 Markdown 文件承载主要状态，LLM 增强默认开启，无 API Key 时自动降级到规则路径。

边界与注意点

其安全链属于分层威慑，不是银弹：对已知注入、脚本误操作和常见 PII 覆盖较好，但面对专业定向绕过或隐喻式语义注入仍可能失效。若需要严格合规、跨用户隔离、高可用或复杂知识图谱，应结合组织级网关、加密与审计策略，而不是仅依赖本地记忆工具包。