memory-grep

name	memory-grep
description	传统检索引擎集成：利用 SmartGrep (BM25 + Fuzzy) 召回向量匹配难以处理的精确事实。当用户询问特定错误 ID、唯一代号、或特定的代码 API 细节时触发。

🧠 Memory-Grep Skill

核心理念

当向量搜索失效时，回归传统关键词的力量。

向量检索的弱点（需要使用此 Skill 的场景）：

• 唯一代号：如 REQ-001、BUG-004 等，向量容易召回语义相近但不相关的文档。
• 特定术语：如 ClawRouter、PWA-Offline 等，向量由于 embedding 的稀释，召回权重低。
• 错误堆栈：如特定的 Traceback 信息，向量无法通过局部匹配精确定位。
• 配置文件路径：如 /etc/nginx/conf.d/ 等。

---

🛠️ 工作原理：传统检索主线

此 Skill 主要依赖后端 SmartGrepService 和 MemoryService 的 auto 模式：

1. BM25 (Best Match 25)：权重化关键词检索，对出现频率低但重要的词（如专有名词）赋予高分。
2. Fuzzy Trigram：容错检索。即使你查询时有拼写错误（如把 PostgreSQL 写成 Postgre），也能召回。
3. 零成本同义词：内置 14 个技术分类，搜“数据库”自动关联“db/mysql/postgres”，无需消耗 Token 调用 LLM。

---

🧭 执行指南

1. 识别场景

如果你（Agent）在上下文中看到 --- DEEP MEMORY (Tier-3 Vector) --- 召回的内容与用户的核心实体完全不符，你应意识到语义漂移。

2. 利用检索证据

在 get_context 召回的上下文中，请重点观察： --- LOG EVIDENCE (SmartGrep) --- 区块。

• [bm25] 标记：表示词根绝对匹配（硬核事实）。
• [fuzzy] 标记：表示高度相似匹配（可能含拼写纠正）。

3. 输出策略

在最终回答中，如果信息来自 SmartGrep，请优先信任其精确性。例如：

• ❌ “系统提到了一些关于数据库优化的内容。”
• ✅ “根据 SmartGrep 的日志证据，在 2026-03-18.md 中记录了针对 PostgreSQL 的 Index creation 决策。”

---

🔗 协同关系

• 输入：MemoryService.get_context(query) 自动触发。
• 决策层：memory_governance_service 评估密度。
• 互补：作为 Deep Vector (Tier-3) 的高性能并行分支。