记忆管家 V3.6

解决的问题

AI 会话之间上下文容易断裂，长期工作记录散落在 Markdown、对话和文件里，难以检索、关联和回溯。技术决策、Bug 修复、项目里程碑、工具链变更等信号如果没有持续沉淀，换电脑或接手项目时重新梳理成本高。

如何工作

memory-butler 以本地优先方式组织记忆：用户级偏好写入 ~/.workbuddy/MEMORY.md，工作区日志写入 .workbuddy/memory/YYYY-MM-DD.md，核 0 再用 SQLite 与 FTS5 提供结构化查询。支持自然语言指令，例如 帮我记住...、搜索、纠缠、周报、自检。系统可提取 15 类高价值信号，如技术决策、里程碑、Bug、工具链变更；通过知识图谱做 2/3 跳扩散、路径、社区和中心性分析，并导出 HTML/D3.js、JSON、Mermaid 等格式。推理入口会读取分析方法论，对记忆数据生成周报、趋势洞察和知识缺口。健康检查覆盖目录、编码、冗余、备份、图谱缓存等，并支持自动修复、备份恢复和多格式导出。

边界与注意点

• 主要处理 .md、.txt、.json 等文本，不直接理解图片、音频或视频。
• 基础检索以关键词和模糊匹配为主；复杂语义理解需要走分析、周报或知识缺口入口。
• 工作区 L3 本地优先，跨设备需备份、拷贝和恢复；L2 更适合保存跨项目偏好。
• 条目数、日志大小、图谱节点数和搜索返回数都有建议上限，超限时检索或可视化会变慢。
• 它不是聊天机器人、预测模型或项目管理系统，更适合作为长期工作知识的沉淀与检索层。