持续学习套件

要解决的问题

大模型在跨会话工作时常见三类问题：上下文容易丢失，项目地址、用户偏好和失败原因难以跨天保留；任务边界不够显式，从 LIMS 查询跳到周报生成时容易混入无关信息；错误缺少沉淀，类似 API 猜测或流程疏漏会反复发生。

工作方式与适用边界

持续学习套件把短期记录与长期分析拆开。短期周期针对每次消息判断是否进入新任务，并把关键会话写入 MemPalace；长期周期按日执行同步、02:00 做梦分析、精华提取、文档更新，以及 ERRORS.md、LEARNINGS.md 的自我纠错。它把对话中的失败模式转成可复用规则，而不是只保留原始聊天。配置模型后，可进一步归纳经验；未配置时主要做基础分类。适合多项目并行、偏好记忆、技能流程优化等场景，但严格依赖 MemPalace，调度器状态、数据库权限和记忆条目规模都会影响运行稳定性。