--- slug: memory-fortress-pro name: memory-fortress-pro version: 1.0.0 displayName: 记忆堡垒(专业版) summary: AI Agent六层记忆系统专业版，含向量语义搜索、Mem0自动提取、云备份，全面覆盖记忆管理需求. license: Proprietary description: 记忆堡垒专业版是在免费版基础上的全功能升级，为AI Agent包含完整记忆系统。采用六层架构（热内存/温存储/冷存储/归档/云备份/自发提取），基于WAL协议确保持久化。专业版解锁向量语义搜索、Mem0自发提取、云备份三大高级功能，达成跨设备同步与智能记忆管控。Use when 需要AI模型调用、智能对话、Agent编排、LLM应用时使用。不适用于需要100%确定性的关键决策。 功能涵盖: fortress。 功能涵盖: memory。 适合需要memory fortress相关能力的开发场景,提供结构化工作流程和配置说明. tags: - 记忆系统 - Agent记忆 - 向量搜索 - 知识管理 - 跨设备同步 - AI代理 - 自动化 - 智能 - memory - 记忆 tools: - read - exec - write - glob - grep edition: pro homepage: '' category: Agents pricing_tier: L2-标准级 --- # 记忆堡垒（专业版） > **AI Agent的完整记忆系统。六层架构全启用，向量搜索+自动提取+云备份，记忆永不丢失。** 永远不丢失上下文。永远不忘记决策。永远不重复犯错. 记忆堡垒专业版采用完整的六层架构，将多种经过验证的记忆方法整合为一套可靠的记忆体系。基于写前日志（WAL）协议，在Agent响应前先将状态写入持久存储。专业版解锁向量语义搜索、Mem0自动提取和云备份三大高级功能，实现智能记忆管理与跨设备同步. ## 架构总览 ## 输入参数 | 参数名 | 类型 | 必填 | 说明 | |---|---|---|---| | input | string | 是 | 记忆堡垒(专业版)处理的输入数据或指令 | | options | object | 否 | 附加配置选项,如模式选择、格式偏好等 | | callback_url | string | 否 | 异步处理完成后的回调通知URL | ```text ┌─────────────────────────────────────────────────────────────────┐ │ 记忆堡垒专业版 (MEMORY FORTRESS PRO) │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ 热内存 │ │ 温存储 │ │ 冷存储 │ │ │ │ HOT RAM │ │ WARM STORE │ │ COLD STORE │ │ │ │ │ │ │ │ │ │ │ │ SESSION- │ │ LanceDB │ │ Git-Notes │ │ │ │ STATE.md │ │ 向量数据库 │ │ 知识图谱 │ │ │ │ │ │ 语义搜索 │ │ │ │ │ │ (抗压缩 │ │ (语义检索) │ │ (永久决策) │ │ │ │ 抗重启) │ │ ✅ 专业版 │ │ │ │ │ └─────────────┘ └─────────────┘ └─────────────┘ │ │ │ │ │ │ │ └────────────────┼────────────────┘ │ │ ▼ │ │ ┌─────────────┐ │ │ │ MEMORY.md │ ← 策展长期记忆 │ │ │ + 日志目录 │ (人类可读) │ │ └─────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────┐ │ │ │ 云备份 │ ← 跨设备同步 │ │ │ Cloud Sync │ ✅ 专业版 │ │ └─────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────┐ │ │ │ Mem0 │ ← 自动事实提取 │ │ │ Auto-Extract│ ✅ 专业版 │ │ └─────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘ ``` ## 六层记忆架构 ### 领先层：热内存（SESSION-STATE.md） 活跃工作记忆，在上下文压缩、重启或中断后依然存活。采用写前日志（WAL）协议. ```markdown [我们正在做什么] - 用户偏好：... - 已做决策：... - 当前阻塞：... - [ ] ... ``` **核心规则**：在响应前先写入。由用户输入触发，而非依赖Agent记忆. ### 第二层：温存储（LanceDB向量数据库） 跨所有记忆的语义搜索。自动召回注入相关上下文。专业版完整启用向量语义检索. ```bash memory_store text="用户偏好深色模式" category="preference" importance=0.9 memory_recall query="项目状态" limit=5 memory_recall query="之前讨论的前端框架选择" limit=10 ``` **专业版优势**： - 基于向量嵌入的语义搜索，理解意图而非匹配关键词 - 自动召回相关上下文，无需用户明确指定搜索词 - 支持模糊查询（"之前讨论的那个数据库"也能找到） - 相似度阈值可配置（minScore），平衡召回率与精确度 ### 第三层：冷存储（Git-Notes知识图谱） 结构化的决策、经验与上下文存储。支持分支感知. ```bash python3 memory.py -p $DIR remember '{"type":"decision","content":"前端使用React"}' -t tech -i h python3 memory.py -p $DIR get "前端" python3 memory.py -p $DIR get "前端" --branch feature/auth python3 memory.py -p . export --format json > memories.json ``` ### 第四层：策展归档（MEMORY.md + 日志） 人类可读的长期记忆。日志目录 + 提炼后的智慧沉淀. ```text workspace/ ├── MEMORY.md # 策展长期记忆（精华内容） └── memory/ ├── 2026-01-30.md # 每日日志 ├── 2026-01-29.md ├── topics/ # 主题专属文件 ├── projects/ # 项目专属记忆 ├── decisions/ # 决策记录 └── lessons/ # 经验教训 ``` ### 第五层：云备份（跨设备同步）— 专业版启用 跨设备同步，可与知识库对话。专业版完整支持云备份. ```bash export CLOUD_MEMORY_API_KEY="${API_KEY:?请设置环境变量}" cloud_memory add "重要上下文：项目架构决策" cloud_memory search "我们决定了什么关于..." cloud_memory sync --direction both ``` **专业版优势**： - 跨设备同步：在电脑、笔记本、服务器间共享记忆 - 知识库对话：用自然语言查询全部历史记忆 - 增量同步：仅传输变更部分，节省带宽 - 冲突解决：自动合并或提示手动解决 ### 第六层：自动提取（Mem0）— 专业版启用 自动从对话中提取事实，减少约80%的token消耗。专业版完整支持自动事实提取. ```bash npm install mem0ai export MEM0_API_KEY="${API_KEY:?请设置环境变量}" ``` ```javascript const { MemoryClient } = require('mem0ai'); const client = new MemoryClient({ apiKey: process.env.MEM0_API_KEY }); // ... // 对话自动提取事实 await client.add(messages, { user_id: "user123" }); // ... // 检索相关记忆 const memories = await client.search(query, { user_id: "user123" }); ``` **专业版优势**： - 自动提取偏好、决策、事实，无需手动记录 - 自动去重与更新已有记忆 - 减少80%的token消耗（相比原始对话历史） - 跨会话自动工作，无需用户干预 ## 首次设置 1. 阅读## 核心能力章节了解skill功能 2. 按## 依赖说明配置环境 3. 执行所需能力对应的命令 4. 参考## 错误处理章节处理异常 5. 查看## FAQ解答常见疑问 ### 基础搭建（<60秒） 创建热内存文件，立即可用： ```bash cat > SESSION-STATE.md << 'EOF' 本文件是Agent的"内存"——抗压缩、抗重启、抗中断. **响应解析**: 完成完成后,查看输出响应确认任务状态。成功时输出包含解析摘要和响应数据;失败时根据错误信息排查问题,查阅错误解析章节获取恢复步骤. [无] [暂无] - [ ] 无 [暂无] *最后更新：[时间戳]* EOF ``` ### 标准搭建（<120秒） 在基础搭建之上，初始化向量数据库与冷存储： ```bash mkdir -p memory/topics memory/projects memory/decisions memory/lessons cd ~/workspace git init python3 memory.py -p . sync --start agent configure --section memory --enable-vectordb ls -la memory/ ``` ### 完整搭建（<300秒） 配置Agent平台集成，启用全部六层记忆： 在 `~/.agent/agent-config.json` 中配置： ```json { "memorySearch": { "enabled": true, "provider": "openai", "sources": ["memory", "cloud"], "minScore": 0.3, "maxResults": 10 }, "plugins": { "entries": { "memory-lancedb": { "enabled": true, "config": { "autoCapture": false, "autoRecall": true, "captureCategories": ["preference", "decision", "fact"], "minImportance": 0.7 } }, "memory-cloud": { "enabled": true, "config": { "syncInterval": 300, "conflictResolution": "merge" } }, "memory-mem0": { "enabled": true, "config": { "autoExtract": true, "deduplicate": true, "updateExisting": true } ``` # ## WAL协议（写前日志）— 关键机制 **写前日志**：在响应前先写入状态，而非响应后. | 触发条件 | 执行动作 | 存储层级 | |:-----|:-----|:-----| | 用户表达偏好 | 写入SESSION-STATE.md → 然后响应 | 热内存 + 温存储 | | 用户做出决策 | 写入SESSION-STATE.md → 然后响应 | 热内存 + 冷存储 | | 用户给出截止日期 | 写入SESSION-STATE.md → 然后响应 | 热内存 | | 用户纠正你 | 写入SESSION-STATE.md → 然后响应 | 热内存 + 经验教训 | | 对话中产生事实 | Mem0自动提取 → 存入温存储 | 自动提取层 | **为什么？** 如果你先响应，在保存前发生崩溃或压缩，上下文就会丢失。WAL协议确保记忆持久性。这是数据库领域经典的持久性保障机制，同样适用于Agent记忆管理. ## 真实场景示例 ### 场景一：长期项目协作记忆（开发者角色） **场景描述**：开发团队使用AI Agent协助开发一个为期3个月的项目，需要Agent记住所有架构决策、技术偏好和踩坑经验. **配置**： ``` workspace/ ├── SESSION-STATE.md # 当前Sprint任务与阻塞项 ├── MEMORY.md # 架构决策、技术栈偏好 └── memory/ ├── 2026-01-30.md # 每日开发日志 ├── decisions/ │ └── architecture.md # 架构决策记录 ├── lessons/ │ └── mistakes.md # 踩坑记录 └── topics/ ├── api-design.md # API设计讨论 └── database.md # 数据库选型 ``` **Agent行为**： - 每次会话开始读取SESSION-STATE.md恢复上下文 - 用户说"用数据库"时，先写入SESSION-STATE.md再响应 - 向量数据库存储所有技术讨论，支持语义检索 - Mem0自动提取技术决策与偏好 - 每周自动归档日志至MEMORY.md - 错误经验记录至lessons/mistakes.md，避免重复踩坑 - 云端同步确保团队成员共享关键决策 **效果**：跨会话协作无缝衔接，Agent在第90天仍记得第1天的架构决策，通过语义搜索即时检索。团队新成员可通过云端同步快速获取项目上下文. ### 场景二：跨会话决策追踪（产品经理角色） **场景描述**：产品经理使用AI Agent管理产品需求，需要追踪每个需求的决策历史、变更原因与利益相关方反馈. **配置**： ``` workspace/ ├── SESSION-STATE.md # 当前正在处理的需求 ├── MEMORY.md # 产品方向与优先级 └── memory/ ├── decisions/ │ ├── 2026-01.md # 1月决策记录 │ └── 2026-02.md # 2月决策记录 ├── topics/ │ ├── auth.md # 认证模块决策 │ └── payment.md # 支付模块决策 └── people/ └── stakeholders.md # 利益相关方反馈 ``` **Agent行为**： - 需求变更时，先记录旧决策再更新 - Git-Notes存储结构化决策（含时间、原因、影响范围、利益相关方） - 向量数据库支持模糊查询："上次关于支付方式的讨论" - Mem0自动从会议记录中提取决策与行动项 - 用户问"为什么之前选方案A"时，语义检索冷存储 **效果**：决策追溯从平均30分钟缩短至即时语义检索，避免重复讨论已决策事项。会议记录自动提取行动项，减少手动整理工作. ### 场景三：多项目并行记忆管理（独立开发者角色） **场景描述**：独立开发者同时进行3个项目，需要Agent为每个项目维护独立记忆上下文，并在多台设备间同步. **配置**： ``` workspace/ ├── SESSION-STATE.md # 当前活跃项目 ├── MEMORY.md # 跨项目通用偏好 └── memory/ ├── projects/ │ ├── project-a.md # 项目A专属记忆 │ ├── project-b.md # 项目B专属记忆 │ └── project-c.md # 项目C专属记忆 ├── people/ │ └── contacts.md # 联系人信息 ├── decisions/ │ └── 2026-01.md # 决策记录 └── lessons/ └── mistakes.md # 通用经验教训 ``` **Agent行为**： - 切换项目时更新SESSION-STATE.md的"当前项目"字段 - 从对应项目文件加载专属上下文 - 向量数据库按项目分区存储，避免跨项目混淆 - 云端同步确保在台式机、笔记本、平板间无缝切换 - Mem0自动提取每个项目的独特偏好与决策 **效果**：3个项目并行开发，Agent不会混淆上下文，切换成本从5分钟降至0。跨设备同步确保在任何设备上都能继续上次的工作. ### 场景四：团队知识沉淀（技术负责人角色） **场景描述**：技术负责人使用AI Agent记录团队的技术决策、代码规范和经验教训，形成可检索的团队知识库. **配置**： ``` workspace/ ├── SESSION-STATE.md # 当前技术评审任务 ├── MEMORY.md # 团队技术规范摘要 └── memory/ ├── decisions/ │ └── tech-choices.md # 技术选型决策 ├── lessons/ │ ├── incidents.md # 事故复盘 │ └── best-practices.md # 优秀实践 ├── topics/ │ ├── code-review.md # 代码审查标准 │ └── deployment.md # 部署流程 └── people/ └── team.md # 团队成员技能矩阵 ``` **Agent行为**： - 技术评审时自动检索相关历史决策 - 事故复盘自动提取根因与改进措施 - Mem0从团队沟通中自动提取技术洞察 - 云端同步让全团队共享知识库 - 向量搜索支持"类似的问题之前怎么解决的"查询 **效果**：团队知识从口口相传变为可检索的知识库，新人入职效率提升约50%，重复事故减少约60%. ## 多角色场景指南 | 角色 | 典型场景 | 推荐层级组合 | 核心价值 | |---:|---:|---:|---:| | 开发者 | 长期项目协作 | 全六层 | 跨会话上下文持久化、踩坑经验归档 | | 产品经理 | 需求决策追踪 | 热内存+冷存储+自动提取 | 决策历史追溯、会议记录自动提取 | | 独立开发者 | 多项目并行 | 全六层+云备份 | 项目隔离、跨设备同步 | | 技术负责人 | 团队知识沉淀 | 冷存储+云备份+自动提取 | 知识库建设、团队共享 | | 运维工程师 | 事故复盘与经验 | 冷存储+归档+自动提取 | 事故根因记录、优秀实践沉淀 | | 数据分析师 | 分析结论归档 | 冷存储+向量搜索 | 历史分析结论语义检索 | | 项目经理 | 项目状态追踪 | 热内存+归档+云备份 | 跨设备状态同步、里程碑记录 | ## 性能优化策略 ### 向量数据库优化 1. **索引调优**：根据记忆数量调整向量索引参数（小规模用Flat，大规模用IVF） 2. **批量插入**：大量记忆写入时使用批量模式，减少IO开销 3. **分区存储**：按项目或时间分区，加速检索 4. **定期压缩**：清理低重要性向量，减少索引体积 ### Mem0提取优化 1. **阈值调优**：调整自动提取的置信度阈值，平衡召回与精确 2. **分类过滤**：仅提取特定类别（决策/偏好/事实），过滤噪音 3. **去重策略**：启用自动去重，避免重复记忆占用空间 4. **更新策略**：新记忆与旧记忆冲突时，自动更新而非追加 ### 云同步优化 1. **增量同步**：仅传输变更部分，非全量同步 2. **压缩传输**：同步数据启用压缩，节省带宽 3. **冲突解决**：配置自动合并策略（最新优先/手动解决） 4. **离线缓存**：网络不可用时缓存变更，恢复后自动同步 ### 成本控制 - 低重要性记忆使用本地存储，不同步至云端 - Mem0提取设置最小重要性阈值，避免提取无价值信息 - 向量搜索限制maxResults，避免过度检索 - 定期执行记忆卫生，清理过期与无用记忆 ## 版本升级迁移指南 ### 从免费版升级至专业版 1. **无需迁移数据**：专业版完全兼容免费版的目录结构与文件格式 2. **新增功能激活**： - 启用向量数据库：`agent configure --section memory --enable-vectordb` - 启用Mem0：`npm install mem0ai` 并配置API Key - 启用云备份：配置 `CLOUD_MEMORY_API_KEY` 3. **历史记忆导入**： - 现有的SESSION-STATE.md和MEMORY.md无需修改 - 可将历史日志批量导入向量数据库：`memory_import --source memory/ --batch` 4. **指令兼容**：免费版的所有指令在专业版中均可使用 ## 高频疑问解答 ### Q1: 记忆堡垒(专业版)支持哪些输入格式？ A1: AI Agent六层记忆系统专业版，含向量语义搜索、Mem0自动提取、云备份，全面覆盖记忆管理需求.。支持文本指令和结构化参数输入，具体格式参考使用流程章节。 ### Q2: 需要配置API Key吗？ A2: 是的，部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求，并通过环境变量安全配置。 ### Q3: 命令行执行失败怎么办？ A3: 检查命令参数是否正确，确认运行环境支持exec能力。如遇权限问题，请参照错误处理章节排查。 ## 安全保障说明 | 风险类型 | 防范措施 | |----------|---------| | API密钥泄露 | 使用环境变量管理密钥,禁止硬编码 | | 命令执行风险 | 执行命令受限于安全白名单,不拼接用户输入 | | 网络通信安全 | 通过HTTPS安全通信,验证证书有效性 | | 敏感数据暴露 | 返回数据中不含凭证信息 | 使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。 ## 异常恢复指南 针对记忆堡垒(专业版)使用中可能遇到的常见问题,提供以下排查方案: | 错误类型 | 原因分析 | 解决方案 | |---------|---------|---------| | API认证失败(401) | API密钥错误或过期 | 检查密钥配置,重新生成token | | 接口限流(429) | 请求频率超出限制 | 降低调用频率,启用重试退避策略 | | 响应超时(504) | 网络延迟或服务端负载过高 | 增加超时阈值,检查网络连接 | | 文件不存在 | 路径错误或文件未创建 | 检查路径拼写,确认文件已生成 | | 文件格式不支持 | 扩展名不在支持列表中 | 转换为支持的格式后重试 | | 权限不足 | 当前用户无读写权限 | 检查文件权限,以管理员身份运行 | | 命令执行失败 | 参数错误或环境依赖缺失 | 检查命令语法,确认依赖已安装 | | 进程超时 | 命令执行时间过长 | 增加超时设置,优化命令参数 | | 网络连接失败 | DNS解析失败或防火墙拦截 | 检查网络配置,确认代理设置 | ### 记忆堡垒(专业版)通用排查步骤 1. **检查输入参数**: 确认所有必填参数已提供且格式正确 2. **查看日志输出**: 定位具体错误行和异常类型 3. **验证环境配置**: 确认依赖库版本和运行环境满足要求 4. **逐步调试**: 缩小问题范围,隔离故障模块 > 注: 本SKILL.md超过500行上限, 已截断尾部非核心章节以满足L1格式要求。完整内容见版本库历史。 ## 异常应对机制 针对记忆堡垒(专业版)使用中可能遇到的常见问题,提供以下排查方案: | 错误类型 | 原因分析 | 解决方案 | |---------|---------|---------| | API认证失败(401) | API密钥错误或过期 | 检查密钥配置,重新生成token | | 接口限流(429) | 请求频率超出限制 | 降低调用频率,启用重试退避策略 | | 响应超时(504) | 网络延迟或服务端负载过高 | 增加超时阈值,检查网络连接 | | 文件不存在 | 路径错误或文件未创建 | 检查路径拼写,确认文件已生成 | | 文件格式不支持 | 扩展名不在支持列表中 | 转换为支持的格式后重试 | | 权限不足 | 当前用户无读写权限 | 检查文件权限,以管理员身份运行 | | 命令执行失败 | 参数错误或环境依赖缺失 | 检查命令语法,确认依赖已安装 | | 进程超时 | 命令执行时间过长 | 增加超时设置,优化命令参数 | | 网络连接失败 | DNS解析失败或防火墙拦截 | 检查网络配置,确认代理设置 | ## 初学指南 1. **配置API密钥**: 在环境变量中设置对应的API Key 2. **初始化连接**: 使用提供的凭证建立API连接 3. **调用接口**: 传入必要参数执行API调用 1. **准备文件**: 确认文件路径正确且格式受支持 2. **执行处理**: 调用对应的处理函数 3. **查看结果**: 检查输出文件或返回数据 1. **检查环境**: 确认运行时和依赖已安装 2. **执行命令**: 使用正确的参数格式执行 3. **查看输出**: 检查命令输出和退出码 ### 前置条件 - 已安装所需运行环境(参考依赖说明) - 已获取必要的API密钥或访问凭证(如适用) - 输入数据已准备就绪