Viking Memory System Ultra

Viking Memory System Ultra - 分层记忆基座。特性：动态回流（语义晋升）、智能权重（对数增长）、可逆归档（多粒度摘要）。核心脚本：sv_write, sv_read, sv_find, sv_autoload, sv_promote, sv_weight, sv_compress。

Viking 记忆系统 - SKILL.md

版本：v1.4（Phase 4 复习状态追踪） 激活日期：2026-03-27 更新日期：2026-03-29 这是 Viking 记忆系统的核心使用规范，所有 Agent 必须遵循

---

🏠 系统概述

Viking 是我们的分层记忆基座，解决"记忆太多无法高效检索"的根本矛盾。

text

热记忆(hot) → 温记忆(warm) → 冷记忆(cold) → 归档(archive)
   0-7天         8-29天        30-89天       90天+

---

📁 目录结构

每个 Agent 的 Viking 记忆位于 $SV_WORKSPACE/agent/memories/：

text

agent/memories/
├── daily/          # 每日工作笔记（由 daily-digest skill 读取）
├── hot/            # L0: 完整记忆细节（0-7天）
├── warm/           # L1: 压缩关键要点（8-29天）
├── cold/           # L2/L3: 极简标签/索引（30-89天）
├── archive/        # L4: 长期归档（90天+，可搜索触发回忆）
├── long-term/      # 永久知识沉淀
├── meetings/       # 会议记录
└── config/         # 层级配置

---

🔧 核心命令

写入记忆（sv_write）

bash

# 基本写入 → hot 层
sv_write "agent/memories/hot/2026-03-27-重要发现.md" "# 内容"

# 指定层级
sv_write "agent/memories/warm/2026-03-27-周报摘要.md" "# 内容"

# 重要记忆（标记 important=true，跳过自动压缩）
sv_write "agent/memories/hot/2026-03-27-战略决策.md" "# 内容" --importance high

读取记忆（sv_read）

bash

sv_read "agent/memories/hot/2026-03-27-重要发现.md"

同步到共享空间（重要记忆）

bash

# 重要记忆同步到 viking-global/shared/memory/hot/，让其他 Agent 可见
sv_write_v2 --hot "agent/memories/daily/2026-03-27.md" "# 重要内容"

---

📝 Frontmatter 规范（必须遵循）

所有写入 Viking 的记忆必须包含标准 frontmatter：

markdown

---
id: mem_20260327_153000
title: "今日重要决策"
importance: high        # high | medium | low | important（important=永久保留）
important: false        # true = 永不压缩
tags: [决策, 战略, 猫经理]
created: 2026-03-27T15:30:00+08:00
last_access: 2026-03-27T15:30:00+08:00
access_count: 1
context_correlation: 1.0  # Phase 2: 上下文相关性系数 (0.5-1.5)
retention: 90           # 保留天数（重要/important 可设更长）
current_layer: L0       # L0 | L1 | L2 | L3 | L4
target_layer: hot       # hot | warm | cold | archive
weight: 10.0           # Phase 2 权重 = factor × decay × ln(count+1) × corr
# 复习状态追踪（Phase 4）
review_status: pending_review  # pending_review | reviewing | reviewed | mastered
last_reviewed: null
next_review: null
review_count: 0
---

# 今日重要决策

## 决策内容...

---

⚙️ 自动压缩规则

文件年龄	自动迁移
0-7天	hot/ (L0)
8-29天	warm/ (L1)
30-89天	cold/ (L2/L3)
90天+	archive/ (L4)

重要标记（important: true 或 importance: important）= 永不自动压缩

---

🚨 使用规范

必须遵循

1. 重要决策 → 写入 agent/memories/hot/，标记 importance: important，同步到共享空间
2. 每日工作 → 写入 agent/memories/daily/YYYY-MM-DD.md（与 daily-digest skill 对接）
3. 学到新知识 → 写入 agent/memories/hot/learning-YYYY-MM-DD.md
4. 会议结论 → 写入 agent/memories/meetings/YYYY-MM-DD.md
5. 团队协调 → 重要内容用 sv_write_v2 --hot 同步到 viking-global

禁止

1. ❌ 不要把所有东西都塞 hot/（会导致 hot 层膨胀）
2. ❌ 不要跳过 frontmatter（否则压缩脚本无法处理）
3. ❌ 不要在 hot/ 存超过7天的无关内容
4. ❌ 不要在 agent/memories/ 外的地方建立记忆体系（memory/ 是平面的，Viking 是分层的）

---

🔄 压缩调度

• 每周日凌晨 2:00：sv_compress_v2.sh --force 自动执行
• 手动触发：sv_compress_v2.sh --dry-run 预览变更

---

📦 Phase 4: 复习状态追踪 (v1.4)

解决"用户复习了哪些内容、如何判定复习状态"的跟踪问题

复习状态定义

状态	说明	触发条件
pending_review	待复习	新建记忆的默认状态
reviewing	复习中	用户开始复习
reviewed	已复习	完成一次复习，自动计算下次复习日期
mastered	已掌握	多次复习后标记，自动移动到 archive 层

艾宾浩斯复习曲线

复习完成后自动计算下次复习日期（简化版）：

复习次数	间隔
第1次	1天后
第2次	3天后
第3次	7天后
第4次	15天后
第5次+	30天后

复习状态管理命令

bash

# 标记复习状态
sv_review mark <file> <status>

# 列出指定状态的记忆
sv_review list pending_review
sv_review list reviewed

# 显示统计
sv_review stats

# 显示今日需复习的记忆
sv_review due

示例

bash

# 标记为已复习（自动更新 last_reviewed 和 next_review）
sv_review mark "agent/memories/hot/2026-03-29.md" reviewed

# 标记为已掌握（自动移动到 archive 层）
sv_review mark "agent/memories/hot/重要概念.md" mastered

# 查看统计
sv_review stats

sv_list 支持复习状态过滤

bash

# 只显示待复习的记忆
sv_list --review-status pending_review

# 只显示已复习的记忆
sv_list --review-status reviewed

---

📦 Phase 3: Archive 可逆性 (v1.3)

归档不再是"彻底遗忘"，而是多粒度压缩存储，支持按需解压恢复

核心改进

旧方案	新方案
归档 = 丢弃正文，只留标题	归档 = 多粒度摘要 + 完整内容存档
需要时无法找回细节	可随时解压完整内容
只能线性遗忘	支持选择性回忆

新增脚本

脚本	功能
sv_archive_summary.sh	生成多粒度摘要，保留完整内容
sv_decompress.sh	按需解压，恢复到目标层

使用方式

bash

# 归档时自动生成摘要（集成到 sv_compress_v2.sh）
sv_compress_v2.sh --force

# 手动为 archive 文件生成摘要
sv_archive_summary.sh <file> --keep

# 查看摘要
sv_decompress.sh <file>

# 显示完整内容
sv_decompress.sh <file> --show

# 恢复到 hot 层
sv_decompress.sh <file> --restore

frontmatter 新增字段

markdown

summary: "一句话摘要 | 段落摘要"
full_content_file: "filename.md.archive.full"

---

⚖️ Phase 2: 权重公式优化 (v1.2)

改进 access_count 增长模式，引入上下文相关性系数

旧公式 vs 新公式

项目	旧公式	新公式
访问次数增长	线性 (count+1)	对数 ln(count+1)
上下文相关性	❌ 无	✅ 0.5-1.5 系数
防止记忆霸权	❌ 无法防止	✅ 旧记忆不会无限膨胀

新公式

text

W = importance_factor × (1/(days+1)^0.3) × ln(access_count+1) × context_correlation

参数说明

参数	说明	范围
importance_factor	重要性因子	high=3.0, medium=1.5, low=0.5
time_decay	时间衰减	0-1，越老越小
ln(access_count+1)	对数增长	防止无限膨胀
context_correlation	上下文相关性	0.5-1.5（默认1.0）

context_correlation 设置建议

场景	系数	说明
高相关任务访问	1.3-1.5	当前工作直接相关
正常访问	1.0	例行加载
低相关但被召回	0.7-0.9	动态回流晋升

使用方式

bash

# 单独计算
sv_weight.sh <file>

# 更新权重（默认 context_correlation=1.0）
sv_weight.sh <file> --update

# 指定上下文相关性
sv_weight.sh <file> --update --context-correlation 1.5

# 集成到加载流程
sv_autoload.sh --update-weight

---

🔥 动态回流机制 (v1.1 新增)

当检测到当前任务与 Cold/Archive 记忆语义相似时，自动晋升至 Hot 层

背景

传统系统的痛点：记忆只能向下迁移（hot→warm→cold→archive），永远不会回来。 这导致"三个月前做过类似项目，但系统已经忘了"的问题。

解决方案

动态回流机制：每次加载记忆时，自动扫描 cold/archive 层，找出语义相关的记忆并晋升。

核心脚本

bash

# 独立运行
sv_promote.sh --context "当前任务描述"
sv_promote.sh --dry-run  # 预览模式
sv_promote.sh --threshold 0.7  # 调整阈值

# 集成到加载流程
sv_autoload.sh --promote

晋升流程

1. 语义相似度判断：使用 LLM 判断当前上下文与历史记忆的相关性
2. 阈值过滤：相似度 ≥ 0.7 才晋升（可调整）
3. 重要记忆保护：importance: high/important 的记忆不受自动晋升影响
4. 原子性操作：先写临时文件，再移动，避免数据丢失

技术细节

参数	默认值	说明
--threshold	0.7	相似度阈值，0.0-1.0
--layer	cold,archive	扫描的源层级
--context	自动获取	当前任务上下文

API 支持

• 优先使用 NVIDIA Qwen（如已配置）
• Fallback: MiniMax M2.5

注意事项

• ⚠️ 晋升是单向的（cold/archive → hot），不会降级
• ⚠️ 重要记忆（high/important）不会被自动晋升，保持原层级
• ⚠️ 每次最多处理 50 条记忆，防止 API 过载
• 💡 建议在会话开始时用 sv_autoload.sh --promote，而非频繁独立调用

---

💡 实用技巧

如何判断写哪个层级：

• 有细节、有过程、有价值 → hot/L0
• 只有结论、要点 → warm/L1
• 只是一个标签/关键词 → cold/L2

团队共享记忆：

• 猫经理的重要决策 → 同步到 viking-global/shared/memory/hot/
• 各 Agent 每天早上应读取共享 hot 层：sv_read 重要共享文件

---

📂 相关文件

• 脚本：$VIKING_HOME/scripts/sv_*.sh
• 配置：$VIKING_HOME/config.yaml
• 共享空间：$VIKING_GLOBAL/shared/memory/