记忆系统 v2.0

面向AI代理的快速语义记忆系统，支持JSON索引和低于20毫秒的搜索。

概述

记忆系统 v2.0 是一个轻量级、基于文件的记忆系统，专为需要以下功能的AI代理设计：

- 跨会话记住学习内容、决策、洞见、事件和交互
在20毫秒内进行语义记忆搜索
自动将每日记忆整合为每周摘要
追踪重要性和上下文以实现更好的回忆

采用纯bash + jq构建，无需数据库。

功能特性

- ⚡ 快速搜索： 平均搜索时间低于20毫秒（36项测试通过）
🧠 语义记忆： 捕获5种记忆类型（学习、决策、洞见、事件、交互）
📊 重要性评分： 1-10级记忆优先级排序
🏷️ 标签系统： 使用标签组织记忆
📝 上下文追踪： 记住创建记忆时的活动内容
📅 自动整合： 自动生成每周摘要
🔍 智能搜索： 支持多词搜索和重要性加权
📈 统计与分析： 追踪记忆数量、类型、重要性分布

快速开始

安装

bash

安装jq（必需依赖）

brew install jq

将memory-cli.sh复制到工作目录

如果您正在使用Clawdbot，则已安装

基本用法

捕获记忆：
bash
./memory/memory-cli.sh capture \
--type learning \
--importance 9 \
--content 学会了如何使用SwiftUI构建iOS应用 \
--tags swift,ios,mobile \
--context 正在构建Life Game应用

搜索记忆：
bash
./memory/memory-cli.sh search swiftui ios
./memory/memory-cli.sh search 构建应用 --min-importance 7

最近记忆：
bash
./memory/memory-cli.sh recent learning 7 10
./memory/memory-cli.sh recent all 1 5

查看统计：
bash
./memory/memory-cli.sh stats

自动整合：
bash
./memory/memory-cli.sh consolidate

记忆类型

1. 学习（重要性：7-9）

新掌握的技能、工具、模式、技术。

示例：
bash
./memory/memory-cli.sh capture \
--type learning \
--importance 9 \
--content 学习了Tron Ares美学：黑色背景上超薄1px红色电路轨迹 \
--tags design,tron,aesthetic

2. 决策（重要性：6-9）

做出的选择、采用的策略、采取的方法。

示例：
bash
./memory/memory-cli.sh capture \
--type decision \
--importance 8 \
--content 从经验值刷取切换为基于成就的里程碑式升级 \
--tags life-game,game-design,leveling

3. 洞见（重要性：8-10）

突破性发现、领悟、顿悟时刻。

示例：
bash
./memory/memory-cli.sh capture \
--type insight \
--importance 10 \
--content 简单的二元是/否追踪优于复杂的详细日志记录 \
--tags ux,simplicity,habit-tracking

4. 事件（重要性：5-8）

里程碑、完成事项、发布、重要事件。

示例：
bash
./memory/memory-cli.sh capture \
--type event \
--importance 10 \
--content 在2小时内发布了采用Tron Ares美学的Life Game iOS应用 \
--tags shipped,life-game,milestone

5. 交互（重要性：5-7）

关键对话、反馈、用户请求。

示例：
bash
./memory/memory-cli.sh capture \
--type interaction \
--importance 7 \
--content 用户请求简单的二元是/否习惯追踪，而非复杂的任务系统 \
--tags feedback,user-request,simplification

架构

文件结构

memory/
├── memory-cli.sh # 主CLI工具
├── index/
│ └── memory-index.json # 快速搜索索引
├── daily/
│ └── YYYY-MM-DD.md # 每日记忆日志
└── consolidated/
└── YYYY-WW.md # 每周整合摘要

JSON索引格式

json
{
version: 1,
lastUpdate: 1738368000000,
memories: [
{
id: mem2026013112345,
type: learning,
importance: 9,
timestamp: 1738368000000,
date: 2026-01-31,
content: 记忆内容,
tags: [tag1, tag2],
context: 当时正在做的事情,
file: memory/daily/2026-01-31.md,
line: 42
}
]
}

性能基准

全部36项测试通过：

- 搜索：平均低于20毫秒（最快：8毫秒，最慢：18毫秒）
捕获：平均低于50毫秒
统计：低于10毫秒
最近：低于15毫秒
所有操作：目标低于100毫秒 ✅

命令参考

capture

bash ./memory-cli.sh capture \ --type \ --importance <1-10> \ --content 记忆内容 \ --tags tag1,tag2,tag3 \ --context 当时正在做的事情

search

bash ./memory-cli.sh search 关键词 [--min-importance N]

recent

bash ./memory-cli.sh recent

stats

bash ./memory-cli.sh stats

consolidate

bash ./memory-cli.sh consolidate [--week YYYY-WW]

与Clawdbot集成

记忆系统 v2.0 设计为与Clawdbot无缝协作：

在AGENTS.md中自动捕获：
markdown

记忆召回

在回答任何关于先前工作、决策、日期、人员、偏好或待办事项的问题之前：对MEMORY.md + memory/*.md运行memory_search

示例工作流程：

1. 代理学习新内容 → memory-cli.sh capture
用户询问我们昨天构建了什么？ → memory-cli.sh search 昨天构建
代理通过文件+行号引用回忆确切细节

使用场景

1. 学习追踪

捕获每项新技能、工具或技术： bash ./memory-cli.sh capture \ --type learning \ --importance 8 \ --content 学会了如何使用clawdhub publish发布ClawdHub包 \ --tags clawdhub,publishing,packaging

2. 决策历史

记录做出特定选择的原因： bash ./memory-cli.sh capture \ --type decision \ --importance 9 \ --content 为简化起见，选择二元是/否追踪而非复杂的RPG任务系统 \ --tags ux,simplicity,design-decision

3. 里程碑追踪

记录重大成就： bash ./memory-cli.sh capture \ --type event \ --importance 10 \ --content 完成记忆系统v2.0：36/36测试通过，搜索低于20毫秒 \ --tags milestone,memory-system,shipped

memory-system-v2语义记忆系统

memory-system-v2

Memory System v2.0

Overview

Features

Quick Start

Installation

Basic Usage

Memory Types

1. Learning (importance: 7-9)

2. Decision (importance: 6-9)

3. Insight (importance: 8-10)

4. Event (importance: 5-8)

5. Interaction (importance: 5-7)

Architecture

File Structure

JSON Index Format

Performance Benchmarks