AI Agent 记忆系统

问题：AI 的“遗忘症”与上下文断层

在连续对话中，AI 似乎能记住你几分钟前说的话，但第二天再次启动时，所有经验、踩过的坑和纠正过的结论都烟消云散。这种跨会话记忆缺失迫使开发者不断重复提示相同的工作模式与个人偏好，严重阻碍了经验的积累和 AI 能力的持续成长。

系统如何工作：三层记忆架构与核心循环

本技能为 AI 提供了一个本地优先的长期经验笔记本，其核心是通过自然语言交互实现“记”与“找”。系统由三层并行架构支撑：

• 语义召回层（核心）：以 store/index.db (SQLite) 为权威存储源，配合 memories/*.json 可读副本。支持向量语义检索、结构化标签、冷热分层和敏感信息拦截。
• 行为规则层：可将高频、已确认的经验固化为 AI 的行为规则（如写入 AGENTS.md），使记忆直接影响后续决策，而不仅仅是被查询。
• 轻量文件层：可选的纯 Markdown 模式，无需数据库，适合只想简单记录的零依赖场景。

其工作遵循一个不删记忆的核心循环：

1. 记：通过 deposit 或简单说“记一下...”，经验被存入并自动去重、分类，旧结论会被标记为 superseded。
2. 找：通过 recall 或“找一下...”，系统执行语义/词法混合检索，支持按新鲜度、重要性过滤。
3. 理：reflect --auto 进行自动整理、冲突检测与归档，永不主动删除活跃记忆。
4. 沉：decay --apply 将长期未命中的记忆降权归档，但通过 recall --deep 仍可找回。

适用边界与关键注意点

这是一个经验沉淀系统，而非对话录像带，旨在存储提炼后的结构化知识点。使用前必须明确：

• 召回效果依赖后端：默认的词法匹配召回率有限，需开启 fastembed 等本地语义后端才能达到 90% 以上的准确率。
• 加密是高风险操作：如果开启加密，一旦密钥 (AI_MEM_ENCRYPTION_KEY) 或恢复码丢失，所有数据将永久无法找回，务必提前通过 recovery-code --write 备份。
• 守护进程是可选增强：它主要用于提升“自动记忆”场景下钩子触发时的召回速度，并非运行必需。仅手动使用 deposit/recall 时，可以完全不要后台进程。