Memory Layered

为 AI agent 建立持久、可检索、可遗忘的六层记忆体系。不是堆更多 context——是把记忆按信息密度分层：L1 对话流、L2 索引（≤200行）、L3 主题文件、L4 技能固化、L5 状态追踪、L6 经验累积。含 REM 做梦（只读扫描发现模式）、SWS 巩固（写入长期记忆）、遗忘脚本（自动清理过期条目）、优雅降级策略。适合需要跨 session 记住用户偏好和项目状态的 agent。

六层记忆架构——不堆 context，按信息密度分层存储。

为什么需要这个

大多数 agent 的记忆只有一层——要么全塞 system prompt（爆 context），要么靠 session compaction（老消息被压成糊）。这个 skill 把记忆拆成六层，每层有明确的写入频率、检索优先级、遗忘策略。

六层结构

text

L1 对话层   —— 当前 session 的完整对话流（临时）
L2 索引层   —— memory.md，≤200 行，指向 L3（每次 L3 变更时更新）
L3 主题层   —— topics/ 目录，按主题拆文件（低频更新）
L4 技能层   —— 从对话中蒸馏出的可复用能力（手动触发）
L5 状态层   —— SESSION-STATE.md，当前正在做的事（高频更新）
L6 经验层   —— .learnings/ 目录，错误教训（失败时写入）

Quick Start

Step 1 — 初始化目录结构

在 agent 工作区创建：

bash

mkdir -p memory/topics memory/.learnings
touch memory/memory.md
touch memory/SESSION-STATE.md

Step 2 — 写 memory.md（索引层，≤200 行）

格式：每个主题一行链接 + 一行简述。「索引与 topic 文件冲突时，topic 文件为准」。

markdown

# Memory Index
## 快速身份
- 用户名、年龄、城市 → topics/basic-profile.md
## 项目
- 项目A → topics/project-a.md
## 偏好
- 沟通风格、决策方式 → topics/preferences.md

Step 3 — 写 topics/ 文件（L3 主题层）

每个 topic 文件含完整的上下文。格式：

markdown

# 主题名
> 最后更新: YYYY-MM-DD

## 当前状态
{最新情况}

## 历史
{关键时间线}

## 决策记录
{为什么选了某个方案}

## 待办
{open questions}

Step 4 — 每次对话结束时更新

1. memory_read → 加载 L2 索引
2. 有新信息 → 追加到对应 topic 文件
3. 索引超 200 行 → 裁剪或拆文件
4. 重大事件 → 记入 L6 .learnings/

REM 做梦（只读扫描）

每天一次全量 read memory/，不做写入。发现：

• 跨主题模式：两个 topic 里出现同一个名字/项目
• 过期信息：标注 <!-- stale --> 的条目
• 冲突：两个文件对同一件事有不同记录

只报告发现，不自动修改。修改由 SWS 或手动触发。

SWS 巩固（写入）

REM 之后运行，做的事：

1. 合并 REM 发现的新信息到 topic 文件
2. 删除标注 <!-- stale --> 且超过 7 天的条目
3. 重新生成 L2 索引
4. 记录本次巩固日志

遗忘机制

maintain-learnings.sh：遍历 L6 .learnings/，超过 30 天未引用的条目移到 _archive/。

优雅降级

如果 topic 文件过大或检索超时：

1. 只读 L2 索引 + 当前活跃的 topic
2. 用 grep 按需检索其他 topic
3. 不影响当前对话响应速度

与现有记忆系统的关系

大部分 agent 运行时已有原生的 memory 或 dream 机制负责机械整理 session 信号。这个 skill 做的是有判断力的记忆管理——决定什么值得记住、什么该忘、什么值得提炼为 skill。与原生机制互补，不替代。

初始投入

• 创建目录 + 写 memory.md：5 分钟
• 如果有历史对话，回填 topics/：30-60 分钟（一次性）
• 之后每次对话维护：<1 分钟

适用场景

• agent 需要跨 session 记住用户偏好和项目状态
• 多 agent 共享同一套记忆文件
• context 窗口有限，不能把所有信息塞 system prompt

不适用

• 单次问答 agent（不需要记忆）
• 已有完整向量数据库记忆方案（不需要文件层）