agent-memory

name	agent-memory
description	联想记忆系统：为 Claude Code subagent 提供基于 BM25 + 三维评分的记忆检索、存储、反馈学习能力
version	3

Agent Memory System

为 Claude Code subagent 提供联想记忆能力。

核心能力

能力	模块	说明
存储	memory_store.py	Markdown 文件存储，YAML frontmatter 元数据
检索	retriever.py	BM25 + 扩散激活 + 三维评分（相关性/重要性/新近性）
关联	associator.py	共现分析 + 语义相似度
提取	extractor.py	从任务描述自动提取结构化记忆
注入	inject.py	向 agent prompt 注入相关记忆上下文
演化	evolver.py	LLM 驱动的记忆邻居演化
去重	consolidator.py	Jaccard 相似度合并（阈值 0.85）
衰减	decay_engine.py	Ebbinghaus 遗忘曲线 R=e^(-t/S)
学习	feedback_loop.py	自动推断 + 渐进式升级（降权→告警→阻断，health 过滤）
触发	trigger_tracker.py	触发效率追踪：record/efficiency/adjust/stats/reset
导出	obsidian_export.py	Obsidian 笔记/MOC/Mermaid 图
注册	registry.py	Agent 角色注册表

存储格式

每条记忆为一个 .md 文件，YAML frontmatter 包含元数据：

---
id: task_example
name: 任务描述
description: 一句话摘要
type: task
owner: tetsu
scope: private
importance: 8
access_count: 3
positive_feedback: 5
negative_feedback: 1
keywords: [TDD, Python]
tags: [implementation]
timestamp: 2026-03-14T22:00:00
---

记忆正文内容...

CLI 用法

# 基础路径
SCRIPT=~/.claude/skills/agent-memory/scripts/cli.py

# 快速添加记忆
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu \
  quick-add --name "任务名" --description "描述" --type task --context "执行上下文" "正文内容"

# 检索记忆
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu \
  retrieve --query "搜索关键词" --top-k 5

# 快速添加（明确字段）
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu \
  add --subject "任务主题" --description "详细描述" --keywords "kw1,kw2" --importance 7

# 反馈（手动正向）
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu \
  feedback --memory-id "mem_id" --useful

# 反馈（手动负向）
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu \
  feedback --memory-id "mem_id" --not-useful

# 反馈（自动推断）
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu \
  feedback --memory-id "mem_id" --auto --event task_success

# 记忆去重合并
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu \
  consolidate --threshold 0.85 --dry-run

# 列出记忆
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu list --limit 10

# 统计
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu stats

# 生成索引（增量，默认）
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu generate-index

# 生成索引（强制全量重建）
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu generate-index --force

# 修复损坏记忆文件（--fix 自动修复, --delete 删除无法修复项, --yes 跳过确认）
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu repair --fix --delete --


python3  --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu dashboard --trigger-stats

路径约束

Agent	正确路径
tetsu	~/mem/mem/agents/蚁工/tetsu
shin	~/mem/mem/agents/Auditor/shin
fumio	~/mem/mem/agents/织者/fumio
root	~/mem/mem/root

--store 参数优先于 --agent 推断的路径。

测试

cd ~/.claude/skills/agent-memory
python3 -m pytest  # 491 tests, ~5s

架构演进

Phase	内容	状态
Phase 1	Active Recall + Retrieval Feedback	已完成
Phase 2	Memory Consolidation + Decay	已完成
Phase 3	Feedback Learning Loop	已完成
Phase A	feedback_loop.py 审计修复（M1-M4）	已完成
Phase B	retriever + cli feedback 集成	已完成
Phase C	trigger_tracker.py 智能触发追踪	已完成
Phase D	端到端测试（5 场景，12 tests）	已完成
Phase E	全量审计 + 文档同步	已完成
Round 2	深度集成（decay+feedback 联动、consolidator+health 联动、CLI dashboard）	已完成
Round 3	自动化集成（feedback hook、trigger-map 注释、CLI 专项测试 +60、evolver+feedback 联动）	已完成
Round 4	智能自动化（auto-consolidate hook、scheduled decay hook、cross-agent retriever、performance benchmarks）	已完成
Round 5	健壮性强化（conftest fixtures、incremental index、corrupted recovery、full workflow tests）	已完成

也可在 CLI 中添加 health-check 和 trigger 子命令：

# 健康检查（--show-all 显示全部记忆，含 healthy 状态）
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu health-check --show-all

# 触发追踪
python3 $SCRIPT --agent tetsu --store ~/mem/mem/agents/蚁工/tetsu trigger stats

# 记忆演化
python3 $SCRIPT --store ~/mem/mem/agents/蚁工/tetsu \
  evolve mem_xxxxx --context "新语境" --tags "tag1,tag2"

# 跨 agent 联合检索（Round 4 新增）
python3 $SCRIPT retrieve --cross-agent --query "搜索关键词" --top-k 5
python3 $SCRIPT retrieve --stores "~/mem/mem/agents/蚁工/tetsu,~/mem/mem/agents/Auditor/shin" --query "搜索关键词"