Tiered Recall - 分层回忆系统

分层回忆系统，解决上下文长度限制，保持项目延续性。默认自动加载最近7天记忆，支持手动全量回忆、自定义天数、项目回忆和主题回忆。当前版本采用 slim index，只保留文件名、行号和标题，不存摘要，避免 token 膨胀。

Tiered Recall

Tiered Recall 是一套给 AI 助手使用的分层回忆系统，用来解决跨会话后的上下文恢复问题。

核心目标

• 保留长期核心记忆
• 自动恢复最近 7 天上下文
• 识别活跃项目
• 用低成本索引支持更深层的回忆

自动加载

默认新 session 会依次加载：

1. MEMORY.md
2. 最近 7 天日志
3. 活跃项目
4. 记忆索引

手动回忆

支持的典型触发：

• 回忆全部
• 回忆最近14天
• 回忆 [项目名]
• 回忆 [日期]
• 回忆 [关键词]

脚本

bash

# 重建索引
python skills/tiered-recall/scripts/build-index.py

# 默认加载（最近7天）
python skills/tiered-recall/scripts/load.py

# 全量加载
python skills/tiered-recall/scripts/load.py --full

# 自定义天数
python skills/tiered-recall/scripts/load.py --days 14

索引策略

当前版本使用 slim index。

索引条目只保留：

• 文件名 f
• 行号 l
• 标题 t

不再写入摘要字段，避免索引膨胀。

与 Jarvis Core 协作

本技能是 jarvis-core 的依赖项。

当 jarvis-core 需要在新会话里恢复用户状态、项目连续性和关系上下文时，可以自动调用本技能作为记忆加载层。

当前版本

v1.2.2

• 自动 7 天加载
• 手动全量 / 自定义天数
• slim index
• 适合作为 jarvis-core 的稳定依赖版本