SQLite 本地记忆

问题

AI Agent 在跨会话场景里常常缺少稳定记忆：用户纠正过的问题、偏好、关键决策和项目进展，如果没有落盘，下一轮就会重复试错。sqlite-memory 面向这个问题，用 SQLite 提供一个零成本、本地化的记忆层，不依赖 API 密钥、云端调用或向量嵌入。

工作方式

它把记忆按类别写入本地数据库，并通过简单函数读写：

• 用户纠正：调用 store_correction()，importance 固定为 1.0，优先级最高
• 偏好与风格：调用 store_preference()，适合记录口味、格式、风格要求
• 技术决策：调用 store_decision()，记录选择、理由和项目约束
• 项目进展：调用 store_project_update()，沉淀里程碑与状态变化
• 事实信息：可保存 fact 类记忆，用于用户或项目的通用背景

检索时主要通过 search_memory() 做本地文本搜索，核心模块在 scripts/sqlite_memory.py，示例见 references/usage.md。

适用边界

它适合快速召回、单用户、轻量上下文，不适合需要语义搜索、多用户隔离或自动抽取记忆的场景。如果需要向量检索，可迁移到 graph-memory；如果希望自动抽取，可看 Mem0；如果涉及跨设备同步，可考虑更重的长期记忆方案。