问题域/PD-06

记忆持久化

Memory Persistence

跨会话的用户偏好、历史上下文、事实知识如何存储和检索。Agent 的"长期记忆"。

子问题

1.记忆存储：选择合适的存储后端（向量库、KV 存储、文件系统）

2.记忆检索：如何高效检索相关记忆

3.记忆更新：新信息如何更新或覆盖旧记忆

4.记忆过期：过时信息的清理策略

5.跨会话：不同会话间共享记忆

6.情感权重检索：如何将 emotional_impact 和 importance 融入向量检索排序公式

7.三维度向量列冗余：同表多维度列并存时如何处理历史数据的维度不一致

8.事件记忆参与者解析：JSONB 数组存储的 participants 如何高效查询特定参与者的所有事件

9.目标树完整性：parent_goal_id 自引用外键在删除父目标时的级联策略选择

10.灵感来源追溯：ideas 的 source_id 引用 dream/conversation 等异构来源时的类型安全

11.Hook 注入兼容：不同 Agent（Claude/Codex/Aider）的 hook 配置格式差异如何统一抽象

12.元数据与运行时状态一致性：metadata 文件记录 working 但 runtime 已 exited 时的检测与修正

13.跨项目会话发现：如何在不预知项目列表的情况下扫描所有项目的会话目录

14.mark 标记系统设计：如何支持一条消息关联多个 mark 且高效过滤

15.TTL 滑动窗口实现：如何在每次访问时批量刷新所有 session 相关 key 的过期时间

16.三策略记录降级：Mem0 的 LLM 提取失败时如何确保内容不丢失

17.工具记忆结构化：如何设计 JSON schema 平衡灵活性和查询效率

18.嵌套状态序列化：如何递归序列化包含多个 StateModule 的复杂对象

19.异步上下文生命周期：如何确保 ReMe/Mem0 的资源在异常时也能正确释放

20.marks_index 迁移：如何兼容旧数据（无 marks_index）和新数据（有 marks_index）

21.Redis pipeline 原子性：如何在批量操作中保证 add/delete/update 的一致性

22.parent chunk 排序一致性：多 ID 批量加载时如何保证返回顺序与文档原始顺序一致

23.摘要覆写丢失：每轮重新生成 conversation_summary 可能丢失早期对话的关键细节

24.双格式记忆一致性：JSONL 和 Markdown 两种格式并存时如何保证内容同步

25.经济状态多文件原子性：balance/costs/completions 三文件更新的一致性保证

26.评估阈值与记忆关联：工作评估分数如何影响记忆价值判断和学习策略调整

27.多渠道 session_id 文件名安全：含冒号等特殊字符的 session_id 如何安全映射到文件系统路径

28.平台自适应后端选择：同一代码在 Windows/Linux/macOS 上如何自动选择兼容的向量存储后端

29.摘要注入格式设计：压缩摘要以何种标签格式注入对话上下文才能让 LLM 正确理解其为历史摘要

30.tool_use/tool_result 配对完整性：压缩分割点如何避免破坏工具调用与结果的配对关系

31.记忆自更新闭环：Agent 如何通过工具调用自主判断并写回记忆文件

32.渐进式技能披露：如何在系统提示中只展示技能摘要而非全量内容以节省 token

33.后端工厂延迟绑定：需要运行时信息的后端如何通过工厂函数延迟初始化

34.摘要结构化：如何将代码实现摘要拆分为可查询的结构化 section

35.文件进度追踪：在记忆清洗后如何准确追踪已实现/未实现文件列表

36.客户端驱动重建：服务端无状态时如何从前端 messages 数组高效重建对话上下文

37.embedding 缓存有效性校验：加载已缓存的 pkl 后如何验证 embedding 维度一致性和非空性

38.多 embedder 后端兼容：同一持久化层如何适配 OpenAI/Google/Ollama/Bedrock 不同 embedding 维度

39.消息过滤策略：如何从包含工具调用的完整对话中只提取有记忆价值的 human/ai 消息

40.记忆更新 prompt 工程：如何设计 prompt 让 LLM 准确判断 shouldUpdate 并输出结构化 JSON

41.防抖窗口调优：debounce_seconds 过短浪费 LLM 调用，过长导致记忆延迟

42.双子系统记忆协调：代码理解引擎和 Agent 框架各自有独立记忆需求时如何分层而不冲突

43.会话元数据快速枚举：如何在不加载全部消息的情况下快速列出所有会话的元信息

44.多轮摘要注入策略：对话历史摘要应注入查询改写还是回答生成还是两者兼顾

45.FK 约束松绑：Flow 删除后消息保留的外键策略选择

46.CancelledError 写入中断：asyncio 取消信号导致 commit 失败的重试策略

47.会话重命名：批量更新已有消息的 session_id 而不丢失关联

48.多模态内容块序列化：ContentBlock 联合类型（text/code/media/tool_use）的 JSON 存储与反序列化

49.图结构自组织：如何在记忆增长时自动构建语义层级树而非扁平列表

50.多租户记忆聚合：跨 Cube 并行搜索时如何合并异构结果并去重

51.记忆版本血统：更新/合并记忆时如何保留完整的版本历史和来源追溯

52.后台重组资源控制：KMeans+LLM 重组的 CPU/API 开销如何限制在可控范围

53.容量触发转储：短期记忆超过阈值时如何自动迁移到长期存储

54.经验结构化：如何将 Agent 的 req→resp 对连同 metric 和 trajectory 结构化存储

55.双检索后端切换：同一经验池如何在 BM25 和向量检索间无缝切换

56.LLM 摘要压缩：超长对话历史如何通过滑动窗口分段摘要保持可控长度

57.循环检测：基于记忆内容识别 Agent 陷入重复输出的死循环

58.偏好面粒度控制：如何确保每条 preferences 记忆只覆盖一个独立可更新的面（facet），避免更新时破坏无关偏好

59.去重决策归一化：LLM 返回矛盾决策（如 create+merge）时如何安全降级而非报错

60.多语言记忆输出：如何检测用户语言并确保提取的记忆以用户语言存储而非 LLM 默认语言

61.Profile 单文件合并：用户画像作为单文件总是合并而非创建新条目的策略与冲突处理

62.多模态双阶段完成检测：文本处理完成但多模态未完成时的状态表达

63.存储后端委托：如何零配置复用宿主框架的存储抽象层

64.选择器漂移修复：缓存的 CSS 选择器因页面更新失效时如何自动修复而非报错

65.缓存键敏感信息剥离：如何在生成缓存键时自动过滤 API key 等敏感配置

66.跨实例缓存传输：服务端内存缓存如何安全传输到客户端文件系统持久化

67.流式响应缓存包装：如何让缓存命中的结果透明地模拟 AsyncGenerator 流式接口

68.大字段裁剪：持久化前如何识别并删除 screenshot base64 等膨胀字段

69.角色记忆隔离：多角色系统中如何防止不同立场的经验交叉污染

70.后验反思触发：如何确定反思时机以及需要哪些结果指标才能生成有效教训

71.BM25 金融分词：金融术语（如 S&P500、10-year yield）的分词策略对检索精度的影响

72.记忆增长控制：纯追加模式下如何防止记忆池无限膨胀导致检索质量下降

73.防幽灵写入：persist 前验证父实体存在防止向已删除实体写入数据

74.DashScope 兼容：json_mode 模型的 session summaries 兼容性处理

75.数据目录迁移：向量库目录从旧位置自动迁移到新系统目录

76.哈希命名空间碰撞：多项目共享目录时如何检测 SHA256 截断碰撞

77.Hook 被动同步：如何通过 Agent 工具调用 Hook 零侵入地更新编排器元数据

78.JSONL 大文件尾部读取：100MB+ 会话文件如何只读末尾提取摘要和成本

79.Cell-level merge：如何在合并时按字段级检测冲突而非整行覆盖

80.Time-travel 查询：如何高效查询历史状态而不维护手动 snapshot 表

81.Federation 同步：如何在多个 Agent 实例间同步状态而不依赖中心化服务器

82.Ephemeral 分离：如何将临时数据排除在版本控制外以减少存储开销

83.事务内提交：如何保证 SQL 事务与版本提交的原子性

84.自动重试：如何处理 Dolt Server 的瞬态错误（连接断开、只读模式、catalog 竞态）

85.Schema 迁移：如何在版本控制数据库中安全地执行 DDL 变更

86.AUTO_INCREMENT 同步：Pull 后如何重置自增 ID 防止冲突

87.粒度化嵌入：如何将单条记忆拆分为多个语义独立的向量文档以提高匹配精度

88.增量回填：如何高效同步 SQLite 与向量库之间的数据差异

89.迁移版本冲突：多套迁移系统共享版本表时如何保证幂等性

90.suspect detector 误判：如何区分 detector 未运行和 findings 真正消失

91.主观评估联动失效：机械 findings 变化时如何精确标记受影响的主观维度

92.chronic reopener 处理：反复 reopen 的 finding 如何升级处理策略

93.suppression 与统计一致性：被忽略的 findings 在统计和分数计算中的排除时机

94.模块化导入循环检测：@import 嵌套引用时如何用栈式检测防止无限递归

95.子目录扫描性能控制：向下递归发现记忆文件时如何限制扫描目录数防止启动卡顿

96.影子 Git 与项目 Git 隔离：检查点快照如何使用独立 Git 仓库避免污染项目提交历史

97.多文件名上下文共存：IFLOW.md/AGENTS.md/CONTEXT.md 多种命名文件如何并行加载不冲突

98.自动压缩触发阈值：token 使用率达到阈值时自动压缩对话历史的时机与策略

99.Scope 字段动态注入：如何在不修改核心模型的情况下为不同租户添加过滤字段

100.工具调用记忆建模：如何结构化存储工具名、输入输出、耗时、评分以支持经验复用

101.三层渐进检索深度控制：每层 sufficiency check 的判断标准和提前终止策略

102.FTS5 查询安全化：用户输入含特殊字符（坐标、运算符）时如何防止 FTS5 语法错误

103.Embedding 缓存键碰撞：不同 API 端点的同模型同文本如何区分缓存

104.Batch API 降级：OpenAI Batch API 超时或失败时如何透明回退到逐条 embed

105.会话导出自动清理：导出文件数量和年龄超限时的 LRU 清理策略

106.写后即搜一致性：write_memory 后立即 sync_path 保证记忆可检索的时序保证

107.Rehydration 时序竞态：多 store 依赖同一 project-store 的 activeProjectId，如何保证读取时序正确

108.跨项目资源共享开关：同一 store 的数据如何按配置动态切换隔离/共享模式

109.三源数据丰富度判断：如何在不完全解析的情况下快速判断哪个存储源的数据更完整

110.迁移后数据覆盖恢复：项目切换竞态导致 per-project 文件被空数据覆盖时的自动修复

111.跨阶段 checkpoint 复用：base→SFT→RL 流水线中如何从上一阶段加载模型和优化器动量并重置学习率

112.优化器分片与 rank 数绑定：变更 GPU 数量后如何重新分片或合并优化器状态

113.torch.compile 键名前缀兼容：编译后 state_dict 键名带 _orig_mod. 前缀的自动剥离

114.dataloader 位置近似恢复：parquet row group 粒度的恢复不可避免地跳过或重复少量数据的容忍策略

115.写作偏好 profile 结构化：如何将风格/长度/受众/配图等多维偏好组织为可查询的结构

116.记忆注入 token 预算：注入内容超过 max_injection_tokens 时的截断策略

各项目的解法36 solutions

Signals

横向对比

维度DeerFlowAIRIAgentOrchestratorAgentScopeagentic-rag-for-dummiesClawWorkCoPawDeepAgentsDeepCodeDeepTutorDeepWikiFastCodeGPT-ResearcherLangflowLightRAGMemOSMetaGPTOpenClawOpenManusOpenStorylineOpenVikingRAG-AnythingStagehandTradingAgentsValueCellagent-orchestratorbeadsclaude-memdesloppifyiflow-climemUMoltismoyin-creatornanochatvibe-blog
记忆结构三层结构：user 画像（3 section）+ history 时间线（3 section）+ facts 事实数组5 表分层：fragments(4类型) + episodic + tags + goals + ideasflat-file key=value 纯文本，每会话一个文件双层架构：Working Memory（对话级）+ Long-Term Memory（跨会话）三层分离：InMemorySaver 会话状态 + State 内嵌摘要字段 + JSON 文件知识块双格式并存：JSONL（topic+knowledge+date+timestamp）+ Markdown（分隔符追加）三层分离：InMemoryMemory 短期 + ReMe 长期语义 + SafeJSON 会话状态AGENTS.md 纯 Markdown 文件，人类可读可编辑双层：ConciseMemoryAgent（工作流摘要）+ MemoryStore（daily notes + MEMORY.md）—三层分离：L1 DialogTurn 列表 / L2 LocalDB pkl / L3 JSON 文件三层分离：KV 对话缓存 + Markdown Agent 记忆 + JSONL 会话历史—MessageTable SQLModel 模型，含 text/sender/properties/content_blocks 字段—TreeTextMemory 树状结构，8 种 memory_type 枚举，4 级 Pydantic metadata 继承四层分离：Memory(短期list) → LongTermMemory(FAISS去重) → RoleZeroLTM(Chroma转储) → BrainMemory(Redis+LLM摘要)—Pydantic Memory 模型，List[Message] + max_messages 滑动窗口—6 类枚举（profile/preferences/entities/events/cases/patterns）+ L0/L1/L2 三层粒度四层分离：parse_cache / doc_status / KG+VDB / llm_response_cache双层：ActCache 存 Action[] 操作序列，AgentCache 存 AgentReplayStep[] 完整会话双列表对齐：situations[] + recommendations[]，BM25Okapi 索引四层分离：会话元数据、消息条目、业务数据、向量知识库flat key=value 文件，每 Session 一个文件，15+ 字段关系表（issues/events/comments/labels）+ 系统表（dolt_history_*/dolt_diff/dolt_log）三层结构：observations（发现）+ session_summaries（摘要）+ user_prompts（用户输入），每层独立表单 JSON 文件 StateModel，findings dict + scan_history list + subjective_assessments dict三层 Markdown 文件：全局→项目→子目录，按优先级合并三层层级：Resource→MemoryItem(6类型)→MemoryCategory，CategoryItem 关联表files→chunks→embedding 三层，SQLite 单库统一Zustand persist StateStorage 适配器，项目级 JSON 文件三文件分离：model.pt + optim_rankN.pt + meta.json四层结构：writingProfile + topicHistory + qualityPreferences + facts
更新机制MemoryUpdateQueue 防抖队列，30s Timer + thread_id 去重批处理access_count + last_accessed 追踪访问，软删除 deleted_atread-merge-write 全文件更新，空字符串语义删除Working Memory 支持 mark 标记和去重，Long-Term Memory 通过 LLM 提取事实conversation_summary 每轮 LLM 重新生成，context_summary token 超阈值时压缩覆写纯追加 append-only，无更新/删除操作pre_reasoning Hook 自动检测 token 超阈值触发压缩Agent 通过 edit_file 工具自主写回 AGENTS.md事件驱动：write_file 工具调用触发清洗 + LLM 摘要生成—L1 客户端驱动每次请求重建；L2 惰性加载缓存命中跳过CacheManager 按轮次覆盖写入，MemoryStore 追加写入，SessionManager 全量重写—upsert 语义：有 id 则 sqlmodel_update，无则 insert—ArchivedTextualMemory 版本历史 + MERGED_TO 边保留血统容量触发转储(memory_k=200阈值) + watch Action 过滤写入—add_message 后立即检查长度，超限尾部保留截断—LLM 驱动三决策（skip/create/none）+ per-memory merge/delete增量追加 chunks_list + upsert 覆盖写入Self-Heal：回放后对比 selector/method/args 差异，有变化自动刷新缓存条目后验反思写入：交易完成后 LLM 分析盈亏生成教训INSERT OR REPLACE upsert + expunge 分离 sessionread-merge-write 全量覆盖，空值删除键事务内自动提交（RunInTransaction 结束时调用 DOLT_COMMIT）Hook 驱动实时写入 + ChromaSync 同步向量嵌入，增量回填缺失记录三阶段合并管道：upsert → auto_resolve → recompute_stats，支持 reopen 追踪/memory add 手动追加 + save_memory AI 自动提取写入全局SHA256 内容哈希去重 + reinforcement_count 递增强化mtime 快速路径 + SHA256 hash 双重变更检测Zustand 自动 persist，setItem 时从数据提取 pid 防竞态定期覆写（--save-every N 步），同 step 直接覆盖add_fact 追加 + 低置信度淘汰（max_facts=200）
事实提取LLM 驱动，5 类 category + 4 级 confidence，shouldUpdate 门控消息级自动向量化，多模态(文本/贴纸/照片)统一 embedPostToolUse bash hook 从命令输出正则提取 PR/branch—无独立事实提取，依赖 LLM 摘要隐式保留关键事实Agent 自主决定学习内容，200 字符最小门控ReMe 库文件监听 MEMORY.md 自动索引，Agent 通过 memory_search 工具检索依赖 LLM 在 memory_guidelines 指导下自主判断LLM 结构化摘要：6 section（core_purpose/public_interface/dependencies/notes/next_steps）—无 LLM 提取，直接存储原始 user-assistant 对无自动提取，依赖 Agent 主动调用 append_today/write_long_term—无 LLM 提取，直接存储原始消息文本—LLM 双模式提取（fast 原始/fine LLM 精炼），mem_reader 管道无独立事实提取，依赖 Message.content 整体存储—无事实提取，仅存储原始消息—YAML prompt 模板 + 6 类 few-shot 示例 + 语言自动检测LLM 驱动实体关系抽取 + 多模态处理器描述生成—LLM 4 步结构化反思（Reasoning→Improvement→Summary→Query）———XML 解析器从 SDK 响应提取 <observation> 块，ModeManager 校验类型有效性机械 detector 自动产出 findings，主观评估由人工 review 注入AI 对话中自动识别 + save_memory 持久化到 ~/.iflow/IFLOW.mdLLM XML 结构化提取，6 种记忆类型并行 asyncio.gatherSessionMemoryHook 自动导出会话日志为 Markdown，由 chunker 索引——手动 add_fact API，支持 category/confidence 标注
存储方式单 JSON 文件（.deer-flow/memory.json），temp+rename 原子写入PostgreSQL + pgvector 单库，Drizzle ORM 类型安全文件系统 ~/.agent-orchestrator/{hash}-{projectId}/sessions/Working Memory 三后端（InMemory/Redis/SQLAlchemy），Long-Term Memory 双集成（Mem0/ReMe）InMemorySaver 进程内存 + parent chunk JSON 文件磁盘本地文件系统 JSONL，按 agent signature 目录隔离Chroma/本地向量库 + FTS 双模式，会话 JSON 文件原子写入三后端可插拔：文件系统/LangGraph State/LangGraph StoreMarkdown 追加（implement_code_summary.md）+ 日期分片 MD + JSONL 会话—L1 内存 / L2 pickle 序列化 / L3 JSON 文件diskcache/Redis + 文件系统 Markdown + JSONL 文件—SQLite/PostgreSQL 关系型数据库，JSON 列存储元数据—Neo4j 图数据库，支持 multi_db 物理隔离和 shared_db 逻辑隔离FAISS 向量索引(磁盘JSON) + Chroma 向量库 + Redis KV缓存—纯内存 List，无持久化，进程结束即丢失—VikingFS .md 文件 + VikingDB 向量索引，URI 驱动委托 LightRAG KV 存储抽象，支持 JSON/PostgreSQL 等后端CacheStorage 双后端：文件系统（JSON 文件）+ 内存（Map），私有构造+工厂方法纯内存 Python List，无持久化，进程结束即丢失SQLite(aiosqlite) + SQLAlchemy(PostgreSQL/SQLite) + LanceDB纯文件系统，~/.agent-orchestrator/{hash}/sessions/Dolt（版本控制 SQL 数据库），MySQL 兼容协议SQLite WAL 为主 + ChromaDB 向量库为辅，FTS5 全文索引作为第三搜索通道单 JSON 文件 .desloppify/state.json，无外部数据库依赖纯 Markdown 文件系统，无数据库依赖三后端工厂：inmemory(dict)/sqlite(SQLModel)/postgres(pgvector)SQLite 单库：关系表 + BLOB embedding + FTS5 虚拟表Electron fs JSON 文件，三源竞选（file > localStorage > IDB）torch.save(.pt) + JSON，文件系统目录结构按用户隔离 JSON 文件（{user_id}.json）
注入方式system prompt <memory> 标签，tiktoken 精确计数 + 字符比例截断余弦相似度 + 时间衰减混合排序，上下文窗口 ±5 条扩展环境变量 AO_SESSION + AO_DATA_DIR 传递路径_compressed_summary 字段存储历史摘要，get_memory 时自动前置conversation_summary 注入 rewrite_query prompt，context_summary 注入 orchestrator promptAgent 主动调用 get_memory() 工具按需拉取，不自动注入<previous-summary> XML 标签包裹摘要注入对话头部中间件 wrap_model_call 注入 <agent_memory> 标签到系统提示清洗后注入 initial_plan + 文件列表 + 知识库；read_code_mem MCP 工具按需查询—Jinja2 模板遍历 OrderedDict 注入对话历史摘要注入 QueryProcessor + 记忆注入 system prompt + 历史注入 messages—LCBuiltinChatMemory 适配 LangChain BaseChatMessageHistory—search API 返回 TextualMemoryItem 列表，由调用方注入 promptfind_news 向量去重过滤 + get 合并短期+长期检索结果—self.messages 直接传入 LLM ask_tool，system_msgs 单独拼接—HierarchicalRetriever 递归目录搜索 + 热度加权混合排序parse_document 缓存优先，命中则跳过解析直接返回V3 构造时通过 cacheDir 配置注入，ActCache/AgentCache 共享同一 CacheStorage 实例system prompt 拼接：检索 top-2 教训直接注入角色 prompt构造函数注入 store 实现 + 全局单例 get_repository()环境变量 AO_SESSION + AO_DATA_DIR 传递路径SQL 查询（标准 SELECT/JOIN），支持 AS OF 语法查询历史MCP 工具暴露 search/timeline/get_observations，Agent 主动调用检索记忆merge_scan() 将新扫描结果合并到内存 state，save_state() 持久化启动时全量扫描合并后注入 system prompt三层渐进检索注入，每层 sufficiency check 控制深度Agent Tool（memory_search）返回 JSON，含 citationcreateJSONStorage 包装自定义 StateStorage，对 store 透明load_state_dict 直接注入模型/优化器，JSON 解析恢复循环变量format_for_injection → XML 标签注入 background_knowledge
生命周期管理facts 按 confidence 排序截断至 max_facts，history 按时间分层覆盖四类型分层(working/short_term/long_term/muscle) + 软删除16 态状态机 + 30s 轮询 + archive-on-deleteRedisMemory 支持 TTL 滑动窗口，每次访问自动刷新过期时间reset_thread 删除 checkpoint + uuid4 新建，clear_store 全量清除 JSON无过期机制，记忆永久保留/compact /new /clear 命令 + Hook 自动压缩 + start/close 生命周期before_agent 幂等加载，PrivateStateAttr 防泄露——L1 随请求 / L2 随仓库永久 / L3 手动删除CacheManager 30天 TTL 自动过期，MemoryStore 永久，SessionManager 手动删除—按 session_id/context_id 批量删除，支持会话重命名—4 态状态机（activated/resolving/archived/deleted）+ 容量驱动 FIFO 清理recover_memory 启动恢复 + clean/clear 显式清理 + persist 手动持久化———sigmoid×exp_decay 热度衰减（7天半衰期）+ active_count 自增asyncio.gather 并发 finalize + atexit 兜底清理版本号校验（version:1），无 TTL 过期，Self-Heal 替代过期策略进程级生命周期，无过期淘汰，记忆只增不减三态状态机(active/inactive/require_user_input) + touch 时间戳spawn→working→pr_open→merged/killed，归档+恢复Ephemeral 数据存储在 dolt_ignore 表中，不参与版本控制23 版本幂等迁移系统，每个迁移检查实际状态而非仅版本号5 态状态机 open→fixed/auto_resolved/wontfix/false_positive，支持 reopen/memory refresh 重载 + /compress 压缩 + /clear 清空半衰期指数衰减 salience 评分，recency_decay_days 可配置SessionExporter 自动清理：max_exports + max_age_daysApp useEffect 启动迁移，项目删除时 removeDir 递归清理按 step 编号命名，多 checkpoint 共存，手动清理无过期机制，容量淘汰替代时间衰减
记忆检索无独立检索，全量注入 system prompt（受 max_injection_tokens 限制）HNSW 索引 + cosineDistance + 0.5 阈值 + Top3 + 上下文扩展—Long-Term Memory 通过向量检索（Mem0）或结构化查询（ReMe）Qdrant 混合检索 child chunk → parent_id → JSON 文件加载 parent chunk全量读取 + 关键词过滤，无向量索引memory_search 语义搜索 + memory_get 片段读取，min_score 阈值过滤全文加载注入，无语义检索，依赖 LLM 上下文理解—————动态 WHERE 子句构建，支持 sender/timestamp/limit 过滤—AdvancedSearcher 多阶段检索 + BM25/向量/全文三路 + reranker————全局向量搜索 + 递归子目录搜索 + rerank + 热度混合—SHA256 精确匹配，无模糊检索；缓存键含 instruction+url+variableKeys+configSignature—LanceDB hybrid search + SQLite json_extract 过滤JSONL 尾部 128KB 读取 + 文件名前缀匹配——dict key 直接查找 finding_id，path_scoped_findings 按路径过滤全量注入无检索，依赖 LLM 自身从 prompt 中提取相关信息RAG(cosine/salience) + LLM 排序双策略，三层 Category→Item→Resourcehybrid search：cosine vector + FTS5 keyword 加权合并——按 category 线性过滤 + confidence 排序取 Top-10
Schema 迁移—Drizzle Kit 自动生成 SQL 迁移，增量演进(0000→0005)———————————Alembic 迁移链，SQLite 用 create-copy-rename 模式——————————CREATE TABLE IF NOT EXISTS 懒建表 + SQLAlchemy create_all—版本化迁移框架（migrations.go），每次迁移自动提交—version 字段 + ensure_state_defaults 防御性补全，向前兼容——sqlx::migrate! 宏 + set_ignore_missing(true)幂等标志位 + Record/FlatArray 双策略 + 启动时自动恢复——
粒度化嵌入—三维度向量列并存(768/1024/1536)，运行时按环境变量选择————————TextSplitter 分片后逐片 embedding—————Message 整体作为单个向量文档，未拆分子语义———L0 abstract 用于向量化索引，L2 content 用于合并和注入———MarkdownChunking 按标题切片 + PDFReader 分页切片——每个 observation 的 narrative/facts/text 拆分为独立向量文档，提高语义匹配精度———Markdown 按 token 数分块（默认 400），重叠窗口 80 token———
多渠道会话隔离—platform + in_chat_id 字段组合隔离不同平台和群组—RedisMemory 通过 session_id + user_id + key_prefix 实现三层隔离uuid4 thread_id 隔离，每个 RAGSystem 实例独立会话—SafeJSONSession sanitize session_id，按 channel+user_id+session_id 三元组隔离———L3 按 type+owner+repo+lang 四维度隔离channel:chat_id 键设计，每渠道独立 JSONL 文件—session_id + flow_id + context_id 三维查询模型—MemCube 多租户：SingleCubeView 单租户 + CompositeCubeView 跨 Cube 聚合————UserMemory/AgentMemory 双空间 + user_space/agent_space URI 隔离———conversation_id + user_id + agent_name 三维隔离—————merge_scope_model 动态注入 user_id 等 scope 字段做 WHERE 过滤—_p/{pid}/ 目录级隔离，SplitStorage 支持 _shared/ 跨项目共享——
角色记忆隔离—未实现，所有记忆共享同一命名空间—Mem0 通过 agent_id/user_id/run_id 元数据隔离不同角色的记忆———NamespaceFactory 动态生成命名空间元组实现 per-assistant 隔离———————cube_id 绑定租户，user_name 逻辑隔离，不同 Cube 物理隔离————UserMemory（profile/preferences/entities/events）vs AgentMemory（cases/patterns）——————————————
记忆增长控制max_facts=100 硬上限 + confidence 排序淘汰低价值事实importance 1-10 评分 + emotional_impact 提供清理依据，但未实现自动清理——动态 token 阈值触发压缩，retrieval_keys 集合防止重复检索无控制机制，纯追加无限增长COMPRESSED mark 标记旧消息排除，keep_recent 保留最近 N 条无自动控制，依赖人工编辑 AGENTS.md 或 Agent 自主精简—————无自动清理，依赖 limit 参数和手动 delete API—每类型独立上限（WM:20/LTM:1500/UM:480），80% 阈值触发清理————LLM 去重 skip/merge 减少冗余；facet 粒度防止偏好膨胀———————scan_history 保留最近 20 条窗口，suppressed findings 不计入统计compressionTokenThreshold 0.8 自动触发 /compress 摘要压缩reinforcement 合并重复记忆，但无主动清理/归档机制————
情感维度建模—emotional_impact(-10~10) + importance(1~10) + excitement(1~10)—————————————————————————————————
并发安全threading.Lock + _processing 标志位防重入，daemon Timer—O_EXCL 原子文件创建，10 次重试循环RedisMemory 使用 pipeline 保证原子性，InMemoryMemory 通过 deepcopy 防止外部修改—单 Agent 单进程，无锁设计tmp + replace 原子写入，单机无跨进程锁StoreBackend 委托 LangGraph BaseStore 事务保证——无并发保护，单进程文件读写diskcache 内置文件锁，SessionManager 无并发保护—AsyncSession + CancelledError 最多 3 次重试————————无锁设计，依赖文件系统原子性；内存后端为单进程 Map 无并发问题—asyncio.Lock 双检锁懒初始化 + StaticPool 连接池O_EXCL 原子文件创建，10 次重试循环Cell-level merge，字段级冲突检测，减少假冲突—单进程 CLI 无并发，原子写入防中断但不防并发——Rust Send+Sync trait bound，SqlitePool 连接池写入时从 JSON value 提取 projectId 而非全局状态，避免 rehydration 竞态rank 分片天然隔离，rank 0 独占模型/元数据写入单进程 mtime 缓存安全，多进程无文件锁
碰撞检测——SHA256 哈希 + .origin 文件校验防止目录碰撞————命名空间正则校验拒绝通配符字符防注入——————————————SHA256 全量哈希，无截断，碰撞概率极低——SHA256 前 12 位 + .origin 文件比对——suspect_detector 检测 detector 未运行，防止误 auto_resolve—SHA256 截断 16 位 hex，理论碰撞率极低但无显式处理————
版本控制——无版本控制，archive/ 目录按 ISO 时间戳保留历史——————————————————————无版本控制，归档按 ISO 时间戳命名原生支持，每次写操作自动创建 Dolt commit，支持 time-travel 查询—state.json 可 git 追踪，tool_hash 检测工具代码变更影子 Git 仓库 ~/.iflow/snapshots/<hash> 独立于项目 Git——迁移标志位 version 字段，persist payload 携带 versionstep 编号 + _patch_missing_keys 向后兼容补丁—
MCP 协议集成——无 MCP，通过 Claude Code PostToolUse hook 集成————————————————————————通过 stdio MCP 与 chroma-mcp 子进程通信，消除 ONNX/WASM 依赖———————
存储后端委托———通过抽象基类 MemoryBase 和 LongTermMemoryBase 实现后端可插拔—直接文件 I/O，无抽象层MEMORY_STORE_BACKEND=auto 按平台自适应，Windows→local 其他→chromaBackendProtocol ABC + 工厂函数零配置适配宿主框架—————DatabaseService 统一管理引擎，session_scope 委托给 lfx————————CacheStorage 统一抽象，ServerAgentCache 可临时替换为内存后端再传输回文件—ABC 抽象类 InMemory/SQLite 双实现零改动切换—————Protocol + 工厂模式，懒导入避免不必要依赖—fileStorage 适配器统一封装 Electron IPC / localStorage / IndexedDB——
模块化导入———Working Memory 和 Long-Term Memory 独立导入，可单独使用———CompositeBackend 路径前缀路由组合多后端—————————————————————@file.md 语法支持嵌套导入，路径验证 + 深度限制 + 权限检查———load_model(source) 按阶段路由 base/sft/rl 三套 checkpoint—
经验结构化———ReMe 工具记忆要求 JSON 格式，包含 tool_name/input/output/token_cost/success/time_cost—三文件分离：balance/token_costs/task_completions————————————————7 种 AgentReplayStep 类型（act/fillForm/goto/scroll/wait/navback/keys）+ 结果裁剪situation→recommendation 对，含归一化相似度分数——————ToolCallResult 模型：tool_name/input/output/success/time_cost/token_cost/score/call_hash————
双检索后端切换———Mem0 支持多种向量存储后端（Qdrant/Chroma/Pinecone），通过 vector_store_config 切换——vector_enabled 控制向量搜索，fts_enabled 控制全文检索，可独立开关————————————————仅 BM25 词法检索，无向量检索，零 API 调用———————vector_weight/keyword_weight 可配置，无 embedder 时自动降级 keyword-only———
成本追踪———ReMe 工具记忆记录 token_cost 和 time_cost，支持成本分析————get_memory_statistics 提供压缩率和文件进度指标———————Experience.metric 记录 time_cost/money_cost/score—LLM 单例累计 total_input/completion_tokens + max_input_tokens 限额——parse_cache 避免重复解析，llm_response_cache 避免重复 LLM 调用—————discovery_tokens 列记录每条 observation/summary 的发现 token 成本———————
被动状态同步———StateModule 的 state_dict 和 load_state_dict 支持状态快照和恢复—————————————————————PostToolUse Bash Hook 拦截 git/gh 命令自动更新——————getItem 等待 project-store onFinishHydration 回调后再读取dataloader (pq_idx, rg_idx, epoch) 三元组追踪数据位置—
循环检测————————文件追踪去重：all_files_list vs implemented_files 模糊路径匹配———————无显式循环检测，依赖 find_news 语义去重间接避免—is_stuck() 基于 assistant 消息内容重复度，阈值 2 次——doc_status 6 态状态机 + multimodal_processed 布尔标记防重复—————content_hash SHA256 + 30s 窗口去重，防止高频对话重复存储—@import 栈式循环引用检测，最大嵌套 5 层—————
多提供商摘要————————摘要生成支持 Anthropic/OpenAI/Google 三种 LLM 客户端路由———————BrainMemory 区分 MetaGPTLLM 与 OpenAI 两种摘要路径————不涉及（单一 LightRAG 存储抽象，后端可切换）—————————FallbackEmbeddingProvider 熔断链：3 次失败 → 60s 冷却———
缓存失效策略文件 st_mtime 比对，外部修改自动感知刷新缓存—————————L2 检查 embedding 有效性；L3 仅手动 DELETEdiskcache size_limit 自动淘汰 + TTL 过期双重机制————Redis TTL 30分钟自动过期 + is_dirty 脏标记避免冗余写入————mtime + config_hash 双重校验，文件修改或配置变更自动失效无主动失效，依赖 Self-Heal 自动修复；configSignature 变化导致自然 miss————90 天滑动窗口过滤搜索结果，超期记录不参与语义排序———embedding_cache LRU 淘汰（50,000 行上限），按 updated_at 排序——mtime 比对：文件未修改则命中内存缓存
容量触发转储———————————————drop() 先 dump 到临时目录备份再删库，保留最近 N 个备份————————num_history_runs 滑动窗口(SuperAgent=5, Research=3)——————————
图结构自组织———————————————GraphStructureReorganizer 双线程：KMeans 聚类 + LLM 摘要自动构建 PARENT 层级树———————————————————
经验池复用————————————————ExperiencePool 独立于记忆系统，BM25/Chroma双后端 + LLM Reranker + req→resp结构化经验对——————5 个角色独立记忆实例，互不共享，避免交叉污染———————————
敏感信息过滤————————————————————prompt 中约束只提取个性化信息，排除通用知识和临时信息—SENSITIVE_CONFIG_KEYS 集合过滤 apikey，pruneAgentResult 删除 screenshot base64—————suppression 机制通过 ignore pattern 过滤不需要的 findings——session_export sanitize_content 过滤 system 标签和 JSON 工具结果———
Federation 支持——————————————————————————原生 DOLT_PUSH/DOLT_PULL，支持 peer-to-peer 同步————————
Time-travel 查询——————————————————————————AS OF 语法 + dolt_history_* 表，无需手动 snapshot————————
冲突解决——————————————————————————dolt_conflicts 表暴露冲突，支持 --ours/--theirs 策略—upsert 语义：已存在则更新 last_seen/detail，已 resolve 则 reopen————rank 分片无冲突，模型参数 rank 0 单写者—
远程认证——————————————————————————支持 Hosted Dolt（--user + DOLT_REMOTE_PASSWORD 环境变量）————————
自动重试——————————————————————————指数退避重试（30s 窗口），处理 12+ 瞬态错误模式—load_state 三级降级：主文件 → .bak → empty_state，不重试写入——————

最佳实践

1.LLM 提取优于手动记录：LLM 能捕获对话中隐含的偏好和背景，手动 add_fact 粒度太粗

2.防抖是必须的：30s 窗口 + thread_id 去重，避免高频对话场景下 LLM 调用浪费

3.置信度门控：不是所有信息都值得记住，0.7 阈值过滤低价值事实

4.配置化而非硬编码：8 项参数都应可配置，支持运行时动态调整

5.原子写入保护数据：temp + rename 模式防止写入中断导致数据损坏

6.中间件模式对业务透明：记忆的读写不应侵入业务代码

7.三维度向量列并存：同表定义多维度列避免切换 embedding 模型时的数据迁移

8.余弦相似度+时间衰减混合排序：1.2*sim+0.2*time 平衡语义相关性和时间新鲜度

9.上下文窗口扩展：检索到相关消息后自动获取前后 N 条还原完整对话场景

10.HNSW 索引 + cosine_ops：pgvector 的 HNSW 索引比 IVFFlat 更适合中小规模高精度场景

11.单库混合存储：PostgreSQL 同时承载结构化数据和向量检索，减少运维复杂度

12.O_EXCL 优于 flock：文件创建级原子性比文件锁更轻量且无死锁风险

13.空字符串作删除语义：update 接口中空字符串表示删除 key，undefined 表示不修改，比 null/delete 标记更直观

14.归档用 ISO 时间戳命名：天然字典序排序，无需额外索引即可找到最新归档

15.分层解耦优于单一系统：短期记忆关注性能和序列化，长期记忆关注语义检索，需求不同应分层设计

16.抽象基类实现后端可插拔：测试用 InMemory，生产用 Redis，无需改代码

17.mark 标记优于多表存储：一条消息可关联多个 mark，避免为每种消息类型创建独立表

18.TTL 滑动窗口优于固定过期：每次访问刷新过期时间，避免活跃会话被误删

19.三策略降级确保数据不丢失：LLM 提取失败时至少保留原文

20.pipeline 批量操作优于逐条执行：Redis 操作使用 pipeline 保证原子性和性能

21.deepcopy 防止外部修改：InMemoryMemory 存储时 deepcopy 消息和 marks，避免外部修改影响内部状态

22.异步上下文管理优于手动 close：使用 async with 确保资源正确释放

23.双图嵌套记忆隔离：外层图持有跨轮次摘要，子图持有单轮工作记忆，互不污染

24.retrieval_keys 集合去重：用 set_union reducer 跨压缩周期累积已执行检索，避免 Agent 重复调用相同工具

25.task_completions 作为断点续跑唯一依据：只记录成功完成的任务，API 错误不写入

26.幂等去重写入：record_task_completion 先读取过滤再重写，保证同一 task_id 只有一条记录

27.Agent 主动检索优于自动注入：通过工具调用让 Agent 决定何时需要记忆，节省 token

28.闭包工厂注册工具：用 create_memory_search_tool 闭包绑定 MemoryManager 实例，避免全局状态

29.XML 标签包裹摘要：<previous-summary> 标签让 LLM 明确区分摘要与实际对话

30.0.9 安全系数：压缩阈值在 ratio 基础上再乘 0.9，预留 token 余量防止溢出

31.check_valid_messages 分割校验：压缩分割前验证保留消息的完整性，防止 tool_use 与 tool_result 被拆散

32.文件即记忆：AGENTS.md 作为记忆载体，人类可读可编辑，版本控制友好

33.幂等加载：before_agent 检查 state 中是否已有记忆内容，避免重复下载

34.命名空间正则校验：拒绝通配符字符防止 glob 注入攻击

35.Next Steps 与持久化分离：LLM 生成的 next_steps 仅存内存不写文件，避免过时建议污染知识库

36.事件驱动优于轮次驱动：以 write_file 调用而非固定轮次触发记忆清洗，精确匹配实际需要

37.模糊路径匹配追踪文件：支持部分路径匹配和路径边界检查，容忍 LLM 生成的路径不一致

38.惰性加载优先：先检查 pkl 缓存是否存在且有效，避免重复 embedding 计算

39.客户端驱动无状态：对话历史由前端维护，服务端每次请求从 messages 重建，天然支持水平扩展

40.embedding 维度校验：加载缓存后统计 non_empty/empty 数量，全空则触发重建而非返回无效数据

41.多维度缓存键：按 repo_type+owner+repo+language 组合生成缓存文件名，避免不同维度数据互相覆盖

42.中间件触发优于显式调用：通过 after_agent hook 自动入队，Agent 代码零侵入

43.mtime 缓存避免重复解析：用文件修改时间作为缓存键，外部修改自动感知

44.REST API 暴露记忆状态：提供 GET/POST 端点便于调试和前端展示记忆内容

45.JSONL 首行 metadata 设计：第一行存 _type:metadata，list_sessions 只读首行即可获取元信息

46.multi_turn 单向状态机：会话一旦标记为多轮就不回退，避免状态抖动

47.双后端统一接口：disk/Redis 通过 backend 字段切换，get/set 方法内部分支处理，调用方无感知

48.读写 DTO 分离：MessageTable/MessageRead/MessageUpdate 继承同一基类，避免 ORM 对象泄露到 API 层

49.模块级函数优于单例服务：memory.py 的顶层函数让任何组件都能直接 import 调用，降低耦合

50.error 消息默认过滤：查询时 WHERE error=False 自动排除错误消息，避免污染对话历史

51.双写缓冲：每条记忆同时写入 WorkingMemory 和目标类型，通过 working_binding 绑定，异步清理临时节点

52.优先级消息队列：merge 操作优先于 add/remove，确保冲突解决不被新写入阻塞

53.80% 阈值清理优于固定周期：只在接近上限时触发清理，减少不必要的数据库操作

54.watch 过滤写入：只将 Role 关注的 Action 消息写入长期记忆，避免噪声污染向量库

55.三重条件门控：检索长期记忆前检查 k!=0、用户消息、容量超限三个条件，减少不必要的向量查询

56.读写分离开关：经验池的 enable_read/enable_write 独立控制，支持灰度发布和只读模式

57.脏标记优化：is_dirty 标记避免无变更时的冗余 Redis 序列化写入

58.单例 LLM 共享 token 计数：多 Agent 共用同一 config_name 的 LLM 实例，全局统一成本追踪

59.消息数截断简单但有风险：system 消息可能被丢弃，生产环境应增加首条保护

60.分类驱动更新策略：不同类别采用不同更新策略（profile 总是合并、events 总是创建、preferences 按 facet 去重）

61.三决策安全归一化：create+merge 自动降级为 none，同一 URI 矛盾操作两个都丢弃

62.热度衰减优于手动清理：sigmoid×exp_decay 让时间和使用频率自动调节排序，无需定期批量清理

63.facet 隔离防误删：去重 prompt 中明确约束不同偏好面的记忆不应互相删除

64.mtime+config_hash 双重校验：文件修改或解析配置变更都能自动失效缓存，比单一 mtime 更可靠

65.atexit 兜底 + asyncio.gather 并发 finalize：即使用户忘记手动清理，数据也能落盘

66.委托式存储优于自建：复用宿主框架的 KV 存储抽象，存储后端随配置自动切换，零额外维护

67.Self-Heal 优于 TTL 过期：回放成功后自动检测并更新变化的选择器，比设置过期时间更精准

68.缓存键只含变量名不含值：同一指令模板不同变量值共享缓存条目，回放时动态替换

69.深拷贝隔离缓存条目：存储和读取时都做 JSON 深拷贝，防止外部引用意外修改缓存

70.版本号字段预留迁移路径：缓存条目包含 version 字段，格式升级时旧条目自动视为 miss

71.角色隔离优于标签过滤：为每个角色创建独立记忆实例比共享池+标签过滤更简单且无噪声

72.BM25 适合领域术语密集场景：金融/医疗等专业领域词法精确匹配往往优于通用语义向量

73.后验反思需要量化指标：仅有定性反馈不够，必须传入 returns_losses 等量化结果才能判断决策质量

74.expunge 分离 session：查询后立即 expunge 避免 SQLAlchemy lazy-load 陷阱

75.双检锁懒初始化：asyncio.Lock 延迟创建避免在 __init__ 中绑定事件循环

76.三态状态机：active/inactive/require_user_input 比简单布尔值更精确地表达会话生命周期

77.O_EXCL 优于 existsSync+write：内核级原子性消除 TOCTOU 竞态

78.ISO 时间戳天然排序：归档文件名用 ISO 格式，字典序即时间序

79.Session ID 正则校验：/^[a-zA-Z0-9_-]+$/ 防止路径穿越攻击

80.归档优于软删除：物理移动到 archive/ 子目录，恢复时重建 active 文件

81.事务内提交：在 SQL 事务内调用 DOLT_COMMIT，保证原子性，失败时自动回滚

82.Ephemeral 分离：临时数据存储在 dolt_ignore 表中，避免污染版本历史

83.Cell-level merge：利用 Dolt 的字段级冲突检测，减少假冲突，提高并发写入成功率

84.Time-travel 优先：优先使用 AS OF 语法而非手动 snapshot 表，查询性能更高

85.Federation 原生支持：直接使用 DOLT_PUSH/DOLT_PULL，无需自定义同步协议

86.自动重试必须：Dolt Server 有多种瞬态错误（连接断开、只读模式、catalog 竞态），必须实现指数退避重试

87.显式 BEGIN/COMMIT：Dolt Server 默认 --no-auto-commit，必须显式开启事务保证持久化

88.Pull 后重置自增：Pull 后必须重置 AUTO_INCREMENT，防止 ID 冲突

89.凭据环境变量传递：远程认证凭据通过环境变量传递，避免命令行泄漏

90.Schema 版本化：DDL 变更通过迁移框架执行，每次迁移自动提交到 Dolt 历史

91.3 层搜索工作流：先索引再详情，10x token 节省，强制 Agent 遵循 search→timeline→get 模式

92.粒度化向量文档：narrative/facts/text 分别嵌入，避免长文档语义稀释

93.幂等迁移检查实际状态：PRAGMA table_info 检测列存在性，而非仅依赖版本号

94.MCP 协议替代直接依赖：通过 stdio MCP 连接 chroma-mcp，消除 ONNX/WASM 等重依赖

95.备份在写入前而非写入后：shutil.copy2 在 safe_write_text 之前执行，确保备份始终是上一次成功状态

96.校验在序列化两端：load 时 ensure_defaults + validate，save 时也 ensure_defaults + validate，双重保障

97.suspect detector 保护：≥3 个 open findings 的 detector 本次 0 结果时不自动 resolve，防止 detector 未运行导致误判

98.Markdown 即记忆：用人类可读的 Markdown 文件作为记忆载体，天然支持 Git 版本控制和团队协作

99.影子仓库隔离：检查点使用独立 Git 仓库而非项目内 stash/branch，彻底避免污染项目历史

100.模块化拆分记忆：通过 @import 将大型记忆文件拆分为独立模块，各团队成员可独立维护自己负责的模块

101.懒导入重依赖：工厂函数中按需 import postgres/sqlite 模块，避免未使用后端的依赖污染

102.哈希在摘要后做：对 LLM 提取的 summary 而非原文做哈希，同义不同词经摘要后趋同

103.extra 字典扩展 schema：reinforcement 等元数据存 extra dict 而非新增列，避免 migration

104.双重变更检测：mtime 快速路径 + SHA256 hash 避免不必要的 re-embed

105.FTS5 触发器同步：用 AFTER INSERT/UPDATE/DELETE 触发器保持 FTS 索引与主表一致

106.熔断而非无限重试：3 次连续失败后 60s 冷却，避免雪崩

107.路径白名单写入：严格限制记忆写入路径防止路径遍历攻击

108.过采样后合并：hybrid search 先 3x 过采样再合并去重，提高召回率

109.写入时数据自证：从 persist 的 JSON value 中提取 projectId 而非依赖全局状态，根治 rehydration 竞态

110.迁移不删旧文件：旧单体文件保留为 fallback，getItem 自动降级读取，零风险回退

111.启动时恢复守卫：每次启动对比 legacy 与 per-project 数据丰富度，自动修复竞态覆盖

112.三文件分离优于单文件打包：模型参数可独立用于推理，优化器仅续训需要，元数据 JSON 人类可读

113.rank 分片保存优化器：DDP 下每个 rank 的优化器状态不同，独立保存避免跨 rank 通信

114.向后兼容补丁机制：_patch_missing_keys 为旧 checkpoint 自动填充新增参数默认值，避免旧模型作废

115.自动发现优于手动指定：find_largest_model + find_last_step 让恢复训练无需记忆具体路径和 step 编号

116.mtime 缓存避免重复 I/O：同一进程内多次 load 只需一次 stat 系统调用

117.记忆注入与存储解耦：format_for_injection 独立于 load/save，便于替换注入格式

118.环境变量开关保护：MEMORY_ENABLED 默认关闭，显式启用才加载记忆模块