Memory System（记忆系统）

AI Agent 中管理长期知识、对话历史和上下文窗口的架构设计。核心挑战：在有限上下文窗口内，维持"活"的记忆而不变成"噪声堆"。

常见模式

模式	说明	缺点
全部保留	无截断保留所有历史	上下文窗口爆炸
简单截断	FIFO 丢弃旧消息	丢失重要长期知识
摘要归档	定期摘要旧对话	摘要质量不稳定
分层记忆	分 session/history/memory 层	架构复杂

MemPalace：Raw Verbatim + Semantic Search

位于 mempalace/（v3.1.0），2026 年 3 月开源。

核心理念：不摘要，只存储原文，语义搜索找到它。96.6% LongMemEval R@5（raw 模式，0 API 调用）。

存储架构

ChromaDB（向量）                    SQLite（知识图谱）
mempalace_drawers 集合              knowledge_graph.sqlite3
├── verbatim 原文                   entities + triples
├── metadata: wing/room/hall        valid_from / valid_to 时态窗口
└── 无摘要                         无 LLM 调用

Palace 层级隐喻

Wing（人物/项目）
  └─ Hall（走廊类型：facts/events/discoveries/preferences/advice）
       └─ Room（主题，如 auth-migration）
            └─ Closet（摘要指针）→ Drawer（verbatim 原文）

同 Room 跨多个 Wing 时产生 Tunnel（跨域关联隧道）。

4 层记忆栈

层	内容	加载时机
L0	Identity（身份）	始终 (~50t)
L1	Critical Facts（关键事实，AAAK）	始终 (~120t)
L2	Room recall（按 wing/room）	话题出现时
L3	Deep Search（全量语义搜索）	显式搜索时

wake-up 总量：L0+L1 ≈ 170 tokens，$0.70/年。

Specialist Agents

每个 agent（reviewer/architect/ops）独立 wing + AAAK diary：

mempalace_diary_write("reviewer", "PR#42|auth.bypass.found|pattern:3rd.time|★★★★")
mempalace_diary_read("reviewer", last_n=10)

WAL 审计

每次写入先记 ~/.mempalace/wal/write_log.jsonl（审计 + 防污染）。

与 nanobot 的本质区别

维度	nanobot	MemPalace
存储	LLM 摘要写入文件	verbatim 原原文 + ChromaDB
触发	Consolidator（FIFO）+ Cron Dream	Hook 触发（Stop / PreCompact）
检索	prompt 内追加	语义搜索 + KG 查询
格式	Markdown 文件 + GitStore	ChromaDB + SQLite

nanobot：Dream 两阶段系统

位于 nanobot/agent/memory.py（~675行）。

Stage 1 — Consolidator（压缩）

触发条件：当前对话 token 数接近 context window 阈值。

对话历史（膨胀） → LLM 摘要 → 追加写入 history.jsonl

history.jsonl 格式（append-only，cursor-based）：

{"cursor": 42, "timestamp": "2026-04-03 00:02", "content": "- User prefers dark mode\n- Decided to use PostgreSQL"}

关键设计：

append-only：不怕崩溃，不必原地修改
cursor-based：Consolidator 写指针 .cursor，Dream 消费指针 .dream_cursor
机器优先：JSONL 格式便于程序解析

Stage 2 — Dream（整合）

调度方式：Cron（默认每 2 小时）//dream 命令触发。

读取：
  - history.jsonl 新条目（自上次 Dream 以来）
  - SOUL.md（bot 风格/voice）
  - USER.md（用户偏好）
  - MEMORY.md（项目事实）

两阶段 LLM 工作：
  Phase 1 — 研究：理解新旧内容关系
  Phase 2 — 编辑：最小改动写入 SOUL.md / USER.md / MEMORY.md