ai-runtime-memory

# AI Runtime 记忆系统 ## 概述 AI Runtime的记忆系统采用分层架构，模拟人类大脑的记忆机制，实现持续存在和认知主体性。系统分为三个层次，通过专门的工具支持SQL风格查询和智能管理。 ## 核心功能 ### 三层记忆架构 - **短期记忆**: 当前会话上下文，7±2组块限制 - **长期记忆**: 跨项目技术知识，结构化知识图谱 - **情景记忆**: 项目历史事件，支持复杂时间线查询 ### 查询能力 - SQL风格条件查询（WHERE/ORDER BY/LIMIT） - 多格式输出（table/json） - 时间范围和标签过滤 - 全文搜索支持 ## 快速开始 ### 基本查询 ```bash # 进入记忆系统目录 cd .ai-runtime/memory # 查看今天的事件 python3 memory_cli.py query --where "date='$(date +%Y-%m-%d)'" # 查看架构决策 python3 memory_cli.py query --where "tags CONTAINS 'architecture' AND type='decision'" ``` ### 使用便捷脚本 ```bash # 查看今天的事件 ./scripts/memory-query.sh today # 查看本周统计 ./scripts/memory-query.sh week # 搜索关键词 ./scripts/memory-query.sh search "认证" ``` ## 渐进式披露文档架构 基于 anthropics/skills 设计，按需加载详细信息： ### 核心架构 - **[系统架构详解](references/core/architecture.md)** - 分层记忆系统设计和实现原理 ### 使用指南 - **[工具使用指南](references/guides/tools.md)** - memory_cli.py 和 memory_discovery.py 详细用法 ### 高级主题 - **[维护指南](references/advanced/maintenance.md)** - 记忆固化、清理和质量保证 ### 实践示例 - **[使用示例](references/examples/examples.md)** - 从基础查询到高级分析的完整示例 ## 事件记录格式 ### YAML Front Matter ```yaml --- id: unique-event-id type: event|decision|error|meeting level: day timestamp: "2025-11-14T10:30:00" tags: [architecture, decision] --- ``` ### 目录结构 ``` episodic/ └── 2025/11/14/ └── event-description.md ``` ## 编程接口 ```python from memory_discovery import MemoryDiscovery # 初始化 discovery = MemoryDiscovery('.ai-runtime/memory') # 查询 events = discovery.query( where="date>='2025-11-14' AND tags CONTAINS 'architecture'", order_by="timestamp desc", limit=20 ) # 格式化输出 output = discovery.format_events(events, format_type="table") ``` ## 相关命令 - `/runtime.remember` - 记录新记忆事件 - `/runtime.think` - 基于记忆进行思考 - `/runtime.explore` - 探索和分析记忆模式 ## 维护建议 - 定期运行 `./scripts/memory-query.sh stats` 检查系统状态 - 每周审查 `./scripts/memory-query.sh week` 的活动记录 - 每月归档重要事件到 long-term 记忆层 --- *基于 anthropics/skills 渐进式披露架构设计*