记忆编排器

要解决的问题

AI Agent 常见的问题不是“记不住单条内容”，而是记忆分散、检索不准、跨设备不一致，且缺少对情绪和价值的判断。单纯向量库只能回答“像不像”，但难以回答“什么时候该提醒”“哪些经验值得长期保留”。

工作方式

memory-orchestrator 将记忆处理拆成索引、同步、理解、组织和反馈几条链路：

• 语义搜索：使用 FAISS、all-MiniLM-L6-v2 与 qwen2.5:7b 支持自然语言模糊查询和上下文关联。
• 多模态索引：通过 CLIP 与 Whisper 将图片、音频转为文本并生成嵌入，进入同一检索空间。
• 同步与加密：结合 Syncthing、Git 和 git-crypt 做跨设备同步与敏感文件加密，强调离线优先。
• 组织与推荐：用 NetworkX 和 PyVis 构建实体关系图谱，并用触发器引擎按关键词、时间或场景主动召回相关记忆。
• 自进化：通过自定义评分与 A/B 测试调整检索策略、归档低价值记忆。

适用边界

它更适合个人知识库、项目复盘、写作素材管理和情绪日记等本地化场景。使用前需要确认 Ollama、模型、Syncthing、Git 等依赖可正常部署；情感标签和图谱质量受抽取与分类策略影响，关键决策不应只依赖自动推荐。