# 睿威智测 RAILWISE
> Railwise AI 工程测绘多智能体系统
睿威智测 AI 工程测绘多智能体系统，面向工程测量、结构监测、地铁监测等测绘业务场景，提供从外业数据采集到内业报告生成的全流程 AI 辅助。
包含三端：
- **CLI**（`packages/railwise`）— 终端命令行 / CI 脚本入口
- **Web**（`packages/app`）— 浏览器 SPA
- **Desktop**（`railwise-desktop-app` 独立仓库）— Tauri 2 原生桌面端，支持 macOS / Windows；Linux 仅保留 CLI，不做桌面安装包
## 当前 CLI 发布
- 最新 CLI 版本：[`railwise-ai@1.2.34`](https://www.npmjs.com/package/railwise-ai)，对应 GitHub Release [`v1.2.34`](https://github.com/railwise-cn/RAILWISE-CLI/releases/tag/v1.2.34)。
- `npm install -g railwise-ai` 会安装完整 RAILWISE-CLI，并在 postinstall 阶段自动安装默认 business Agent Pack 到 `~/.railwise`。
- Agent Pack 仍保持独立维护边界：GitHub Release 同步提供 `railwise-agent-pack-1.2.34.tgz`，可单独安装到 Railwise、Codex、Claude、OpenCode 或自定义目录。
- CLI 主体已审阅上游 opencode `v1.17.8`，并同步可安全移植的 Copilot headers、MCP schema、RunCommand auth、OpenAI/Azure schema 清洗和命令附件去重修复。
> **越用越懂你** — RAILWISE-CLI 内置[跨会话记忆系统](#跨会话记忆系统)，自动记住你的项目结构、编码习惯和工作偏好。用得越多，它就越了解你的项目，响应越精准，协作越默契——就像一个不断成长的工程搭档。
---
## RAILWISE-CLI 快速开始
本节只针对命令行版本。Desktop 和 Web 是外壳与预览入口，CLI 才是工程测绘多智能体核心。
### 安装方式
**npm（推荐，Windows / macOS / Linux）**
```bash
npm install -g railwise-ai@latest
railwise --version
rw --version
railwise agent list
```
当前 GitHub Latest 发布版本：**v1.2.34**（2026-06-19）。日常安装建议使用 `@latest`，企业内网锁版可使用 `railwise-ai@1.2.34`。
`railwise-ai` 是面向用户的单一 npm 全局安装入口；安装完成后会同时具备 CLI 二进制和默认业务 Agent Pack。
**curl 安装脚本（macOS / Linux）**
```bash
curl -fsSL https://raw.githubusercontent.com/railwise-cn/RAILWISE-CLI/dev/install.sh | sh
railwise --version
rw --version
```
指定版本：
```bash
curl -fsSL https://raw.githubusercontent.com/railwise-cn/RAILWISE-CLI/dev/install.sh | sh -s 1.2.34
```
**Homebrew（macOS / Linux）**
```bash
brew install railwise-cn/tap/railwise
railwise --version
rw --version
```
**GitHub Release 手动安装 CLI（二进制，离线/内网分发）**
从 [Releases](https://github.com/railwise-cn/RAILWISE-CLI/releases) 下载对应平台的 CLI 二进制包：
> 这些是 CLI 安装包，不包含 Desktop 安装包。桌面端在独立 `railwise-desktop-app` 仓库发布，Linux 不做桌面端。
| 平台 | 文件 |
| ------------------- | ----------------------------- |
| macOS Apple Silicon | `railwise-darwin-arm64.zip` |
| Linux x64 | `railwise-linux-x64.tar.gz` |
| Linux ARM64 | `railwise-linux-arm64.tar.gz` |
| Windows x64 | `railwise-windows-x64.zip` |
解压后把 `railwise`/`rw` 或 `railwise.exe`/`rw.cmd` 放入 PATH 即可。
安装完成后，`railwise` 和 `rw` 是同一个 CLI 入口。文档示例默认使用 `railwise`，日常输入可以使用更短的 `rw`。
**源码安装（开发者）**
需要 [Bun](https://bun.sh) >= 1.3.9：
```bash
git clone https://github.com/railwise-cn/RAILWISE-CLI.git
cd RAILWISE-CLI
bun install
bun run dev
```
### 更新方式
优先使用 CLI 自带更新命令：
```bash
railwise upgrade
railwise upgrade 1.2.34
railwise upgrade --method npm
```
也可以使用原安装方式更新：
```bash
npm install -g railwise-ai@latest
brew upgrade railwise
curl -fsSL https://raw.githubusercontent.com/railwise-cn/RAILWISE-CLI/dev/install.sh | sh
```
源码安装更新：
```bash
git pull origin dev
bun install
bun run dev
```
### 配置
首次启动会进入设置向导。也可以手动运行：
```bash
railwise setup
railwise auth login
```
项目级配置可放在 `.railwise/railwise.json`，完整示例见 [`.railwise/railwise.json.example`](.railwise/railwise.json.example)。
### 启动方式
**交互式 TUI（最常用）**
```bash
railwise
railwise /path/to/project
railwise --agent chief_manager
```
**一次性命令 / CI 脚本**
```bash
railwise run "检查本周监测数据并生成日报"
railwise run -f data.csv "分析沉降趋势，输出结论"
```
**启动本地服务**
```bash
railwise serve --hostname 127.0.0.1 --port 4096
```
**连接已有服务**
```bash
railwise attach http://localhost:4096
railwise run --attach http://localhost:4096 "继续整理报告"
```
**打开 Web 界面**
```bash
railwise web
```
**源码开发模式**
```bash
bun run dev
```
### 输出目录
工程交付物默认建议集中到项目本地 `output/`，避免报告、表格和图纸摘要散落在原始资料目录：
```text
output/
runs/<run_id>/ # 单次任务的草稿、报告、表格、图表、日志
wiki/ # 项目长期知识库
latest # 最近一次成果
```
---
## 模型支持
RAILWISE-CLI 支持多种模型接入方式，**包含多个国产免费模型**，无需付费即可使用：
### 免费 / 低价模型（推荐新手）
| 厂商 | 模型 | 免费额度 | 注册地址 |
| -------- | -------------------------------------------- | -------------------- | ------------------------------------------------------ |
| 智谱 GLM | `glm-4-flash-250414`、`glm-z1-flash` | 永久免费 | [open.bigmodel.cn](https://open.bigmodel.cn) |
| DeepSeek | `deepseek-chat`（V3.2）、`deepseek-reasoner` | 注册送 500 万 tokens | [platform.deepseek.com](https://platform.deepseek.com) |
| MiniMax | `MiniMax-M1`、`MiniMax-T1` | 注册送免费额度 | [platform.minimaxi.com](https://platform.minimaxi.com) |
| Kimi | `kimi-k2.5`、`moonshot-v1-auto` | 注册送免费额度 | [platform.moonshot.cn](https://platform.moonshot.cn) |
### 付费模型
| 厂商 | 模型 | 说明 |
| --------- | ---------------------- | ------------ |
| Anthropic | Claude Opus / Sonnet | 最强编码能力 |
| OpenAI | GPT-4o / o3 | 通用能力强 |
| Google | Gemini 2.5 Pro / Flash | 超长上下文 |
### 配置方式
编辑 `.railwise/railwise.json`，在 `provider` 中填入对应厂商的 API Key 即可：
```jsonc
{
// 使用 DeepSeek 作为默认模型（免费）
"model": "deepseek/deepseek-chat",
"provider": {
"deepseek": {
"options": {
"baseURL": "https://api.deepseek.com/v1",
"apiKey": "sk-your-deepseek-key",
},
},
},
}
```
完整配置示例见 [`.railwise/railwise.json.example`](.railwise/railwise.json.example)。
---
## Agent Pack
`railwise-ai` 是唯一面向命令行用户的 npm 安装入口。平台包 `railwise-*` 由 npm optional dependencies 自动选择；Agent Pack 会内置在 `railwise-ai` npm 包中，并在 `npm install -g railwise-ai` 的 postinstall 阶段自动安装默认 `business` profile 到 `~/.railwise`。
Agent Pack 仍然可以独立维护、独立下载，并安装到 Codex、Claude、OpenCode 或自定义目录。下载 Release 里的 `railwise-agent-pack-1.2.34.tgz` 后：
```bash
tar -xzf railwise-agent-pack-1.2.34.tgz
cd package
node bin/install.js install --target railwise --profile business --force
node bin/install.js list --profile business
```
默认 `business` profile 只安装工程测绘生产资产：地保日报、周报、月报、方案、专家评审、投标情报、结算对账、监测工具和报告模板。仓库维护类资产放在 `dev` profile：
```bash
node bin/install.js install --target railwise --profile dev --force
node bin/install.js list --profile dev
```
CI 或内网镜像场景如果只想安装 CLI 二进制，可设置 `RAILWISE_SKIP_AGENT_PACK=1`。高级用户也可以用 `RAILWISE_AGENT_PACK_TARGET`、`RAILWISE_AGENT_PACK_DEST`、`RAILWISE_AGENT_PACK_PROFILE` 控制自动安装目标。
### v1.2.34 Agent Pack 升级
- `npm install -g railwise-ai` 现在会自动安装内置 Agent Pack，CLI 安装即得到业务 Agent、Command、Skill、Tool 和模板。
- 默认业务包剔除 GitHub triage、duplicate-pr、commit、spellcheck、bun-file-io 等开发残留。
- 新增 `report-dibao` skill，固化日报多子表、点号、正负号、自动化/人工对比和预警判定。
- 新增 `/weekly-report`、`/plan-draft`、`/review-response`、`/bid-intel` 四个业务命令。
- 新增日报、周报、监测方案、评审回复四类顶层模板。
- `chief_manager` 升级为带 `通过/条件通过/驳回返工` 三态的 DAG 调度。
- `qa_reviewer` 增加模拟专家评审和地方规程/TB 系核查。
- CLI 主体同步 opencode v1.17.8 中可安全移植的 Copilot headers、MCP schema、RunCommand auth 和命令附件去重修复。
---
## Windows CLI 安装指南（零基础）
如果你从未接触过编程工具，请按以下步骤操作。全程约 10 分钟。
### 第一步：安装 Node.js
1. 打开浏览器，访问 [https://nodejs.org/zh-cn](https://nodejs.org/zh-cn)
2. 点击页面上的 **LTS（长期支持版）** 下载按钮（绿色按钮）
3. 运行下载的安装包（`node-vXX.X.X-x64.msi`），一路点「下一步」即可
4. **重要**：安装过程中如果出现「Add to PATH」选项，确保勾选 ✅
### 第二步：验证安装
1. 按 `Win + R`，输入 `cmd`，按回车打开命令提示符
2. 输入以下命令并回车：
```cmd
node --version
```
如果显示类似 `v22.x.x` 的版本号，说明安装成功。如果提示「不是内部或外部命令」，请重启电脑后再试。
### 第三步：设置国内镜像（加速下载）
在命令提示符中输入：
```cmd
npm config set registry https://registry.npmmirror.com
```
### 第四步：安装 RAILWISE-CLI
```cmd
npm install -g railwise-ai@latest
```
安装完成后，输入 `railwise` 或 `rw` 验证，同时确认内置多智能体已经随包安装：
```cmd
railwise --version
rw --version
railwise agent list
```
### 第五步：获取 API Key（免费）
RAILWISE-CLI 需要 AI 模型的 API Key 才能工作。推荐使用**免费**的智谱 GLM：
1. 打开 [open.bigmodel.cn](https://open.bigmodel.cn)，用手机号注册
2. 登录后进入「API keys」页面
3. 点击「创建 API key」，复制生成的密钥（以 `.xxx` 开头的一长串字符）
### 第六步：配置并启动
```cmd
railwise
rw
```
首次启动会进入设置向导，选择 `zhipuai` 作为 provider，粘贴你的 API Key 即可。之后也可以运行 `railwise setup` 或 `rw setup` 重新配置。
系统会自动使用免费的 `glm-4-flash` 模型。如需更强的模型，可按[模型支持](#模型支持)章节配置其他厂商。
### Windows 常用启动方式
```cmd
railwise
rw
railwise C:\Projects\Ningbo-Monitoring
railwise run "检查本周监测数据并生成日报"
railwise run -f data.csv "分析沉降趋势"
railwise serve --hostname 127.0.0.1 --port 4096
railwise attach http://localhost:4096
```
### 常见问题
**Q: 提示「railwise 不是内部或外部命令」？**
npm 全局安装目录可能不在系统 PATH 中。运行以下命令查看 npm 全局路径：
```cmd
npm config get prefix
```
将输出的路径添加到系统环境变量 PATH 中：右键「此电脑」→ 属性 → 高级系统设置 → 环境变量 → 在 Path 中新增该路径。
**Q: 安装很慢或失败？**
确认已设置国内镜像（第三步）。如果仍然很慢，可尝试：
```cmd
npm install -g railwise-ai@latest --registry=https://registry.npmmirror.com
```
**Q: 如何更新到最新版？**
```cmd
railwise upgrade
npm install -g railwise-ai@latest
```
---
## 系统架构
### 内置智能体（12 个领域专家）
安装后即内置 RAILWISE 业务智能体，不需要手工复制 `.railwise/agent`。默认主控智能体为 `chief_manager`：
| 智能体 | 角色 | 默认模型 | 职责 |
| ----------------------- | -------------- | --------------- | -------------------------------------- |
| `chief_manager` | 项目总工 | DeepSeek V4 Pro | 任务分发、并行调度、质量闸门控制 |
| `solution_architect` | 方案设计师 | DeepSeek V4 Pro | 监测方案编制、技术路线规划 |
| `data_analyst` | 数据分析师 | DeepSeek V4 Pro | 平差计算、变形趋势分析、预警研判 |
| `adjustment_computer` | 平差计算专家 | DeepSeek V4 Pro | 水准网、导线网、CPIII 控制网工具化计算 |
| `cpiii_specialist` | CPIII 专家 | DeepSeek V4 Pro | 高铁/城轨精测网复测方案与限差核查 |
| `qa_inspector` | 外业质检员 | DeepSeek V4 Pro | 原始数据完整性与闭合差审查 |
| `qa_reviewer` | 内业审核员 | DeepSeek V4 Pro | 报告质量终审（最高否决权） |
| `technical_writer` | 技术文档员 | DeepSeek V4 Pro | 监测日报/周报/月报撰写 |
| `commercial_specialist` | 商务专员 | DeepSeek V4 Pro | 投标文件、计量支付 |
| `norm_librarian` | 规范资料管理员 | DeepSeek V4 Pro | 规范条文查询、引用固化、规范 Wiki 维护 |
| `source_ingestor` | 资料入库专员 | DeepSeek V4 Pro | PDF、台账、历史成果结构化整理 |
| `knowledge_curator` | 知识库整理员 | DeepSeek V4 Pro | 项目案例、FAQ、复盘经验沉淀 |
> 可在项目 `.railwise/agent/*.md` 中放置同名 Agent 覆盖内置版本。
### 专用工具（19 个）
#### 基础测量计算
| 工具 | 功能 |
| --------------------- | ------------------------------------------------------------------------- |
| `survey_calculator` | 水准/导线闭合差校核、最小二乘严密平差、预警等级判定 |
| `coord_transform` | 高斯-克吕格正反算、七参数布尔莎坐标系转换（CGCS2000/WGS84/西安80/北京54） |
| `angle_convert` | 角度多格式互转（度分秒/十进制度/弧度/密位/百分度） |
| `distance_calculator` | 全站仪测距综合归算（气象改正→斜距化平→投影改正） |
| `pile_stakeout` | 极坐标放样计算、里程桩号偏距计算、批量放样点生成 |
#### 基坑自动化监测
| 工具 | 功能 |
| -------------- | -------------------------------------------------------------------------- |
| `inclinometer` | 测斜仪深层水平位移剖面计算（A+/A-/B+/B- 读数→累计位移）、多期趋势分析 |
| `axial_force` | 支撑轴力计算（频率/应力/力值转换、温度补偿）、多道支撑对比分析 |
| `water_level` | 地下水位监测分析（降水效果评估、水头差计算、漏斗形态判断）、多井等值线数据 |
#### 变形监测分析
| 工具 | 功能 |
| ------------------ | -------------------------------------------- |
| `deformation_rate` | 变形速率分析、线性回归趋势预测、多测点对比 |
| `cross_section` | 隧道收敛量计算、断面超欠挖分析、建筑限界检查 |
#### 控制网与平差
| 工具 | 功能 |
| ------------------ | --------------------------------------------------------------- |
| `control_network` | 平面控制网严密平差（间接平差法、误差椭圆）、网形设计与精度预估 |
| `cpiii_adjustment` | CPIII 自由测站后方交会、轨道控制网整网平差（平面+高程联合平差） |
#### 盾构导向测量
| 工具 | 功能 |
| ----------------- | ------------------------------------------------------------------------ |
| `shield_guidance` | 盾构机姿态解算（方位角/俯仰角/偏差）、偏差趋势分析、管片选型与拼装角计算 |
#### 数据处理与输出
| 工具 | 功能 |
| ----------------- | ------------------------------------- |
| `monitoring_csv` | 自动化监测 CSV 海量数据清洗与统计 |
| `format_parser` | 徕卡 GSI-8/GSI-16 及 DAT 格式文件解析 |
| `chart_generator` | SVG 趋势折线图生成（多测点 + 报警线） |
| `report_export` | Markdown 转 DOCX 报告导出 |
| `standard_query` | 工程规范/标准条文智能查询 |
### 领域技能包
技能包（Skill）是注入 AI 上下文的专业知识文档，教会智能体"遇到这种场景该怎么做"。与工具互补——**技能教方法，工具做执行**。
| 技能 | 用途 |
| ------------------------------------------ | ----------------------------------------------------------------- |
| `report-writing` | 监测报告编制规范：行文原则、日报/总结报告结构、术语对照 |
| `data-analysis` | 平差与变形分析：计算流程、趋势拟合、收敛判断、预警分级 |
| `bidding-knowledge` | 投标文件编制：评分办法、资质响应、报价策略 |
| `standard-reference` | 工程规范速查：GB 50911/GB 50497/JGJ 8/GB 50026/GB 55017/TB 系索引 |
| `monitoring-design` | 监测方案设计：16 章结构、四阶段、测点布设、频率与报警值 |
| `report-dibao` | 地保日报/周报/月报规则：子表、点号、正负号、自动化人工对比 |
| `di-bao-monitoring` | 地保监测全链路：方案、初始值、日报周报月报、预警消警、评审回复 |
| `docx-generation` | Word 导出：Markdown→DOCX 映射、报告模板、命名规范 |
| `excel-operations` | Excel 导出：Sheet 结构、标准列格式、多期对比表 |
| `humanizer` | 报告润色：消除 AI 痕迹、注入工程判断、句式变化 |
| `canvas-design` | 图表设计：趋势图配色、坐标轴规范、剖面图构造 |
| `rail-monitoring-plan` | 地保监测方案：控制保护区监测方案编制、内审、专家评审与修订 |
| `operational-monitoring` | 运营监测：长期变形监测作业、期报/年报、预警处置与归档 |
| `docx` / `xlsx` / `pptx` / `pdf` | 常用办公文档识读、编辑和输出 |
| `doc-coauthoring` | 多人协作文档审阅、修改和交付 |
| `webapp-testing` / `web-artifacts-builder` | Web 工具、看板和测试型产物构建 |
| `brand-guidelines` / `theme-factory` | 品牌规范和主题系统 |
| `mcp-builder` / `skill-creator` | MCP 与 skill 开发 |
需要“套 Word 模板”“参考企业模板导出”时，`docx-generation` 会优先走 `referenceDoc` + Pandoc 路线；模板可使用企业自有 `.docx`，也可使用 RAILWISE fork 的 `pandoc_docx_template` 中文参考模板。
内置资源位于 `packages/railwise/agent/`、`packages/railwise/command/`、`packages/railwise/skill/`；项目级同名资源可在 `.railwise/` 下覆盖。更多编辑方式见 [`docs/user/07-skills.md`](docs/user/07-skills.md)。
### 业务命令（SOP 工作流）
| 命令 | 用途 |
| --------------------- | ------------------------------ |
| `/daily-report` | 地保监测日报，多子表和预警判定 |
| `/weekly-report` | 地保监测周报四件套 |
| `/monthly-report` | 监测月报 / 阶段报告 |
| `/plan-draft` | 16 章监测方案初稿 |
| `/review-response` | 内审/专家评审意见逐条闭合 |
| `/data-check` | 外业数据质检 |
| `/trend-analysis` | 沉降、位移、收敛等趋势分析 |
| `/emergency-response` | 预警、报警和应急处置快报 |
| `/bid-intel` | 投标情报采集和机会预审 |
| `/bid-prepare` | 投标文件编制 |
| `/safety-check` | 安全巡检记录 |
| `/payment-reminder` | 结算对账、说明函和催款函 |
开发维护命令（`/commit`、`/issues`、`/learn`、`/rmslop`、`/spellcheck`、`/ai-deps`）只在 Agent Pack `dev` profile 中安装。
---
## 飞书集成
RAILWISE-CLI 支持一键接入飞书/Lark 平台，通过飞书官方 MCP（`@larksuiteoapi/lark-mcp`）实现 AI 智能体与飞书办公生态的深度联动：
- **云文档读取** — 直接读取飞书云文档内容，作为专业知识补充
- **知识库检索** — 搜索和读取知识库（包括有权限的企业公开知识库）
- **多维表格** — 自动创建和管理飞书多维表格，写入监测数据、生成统计表
- **即时消息** — 向群聊或个人发送消息通知（如预警通报）
- **日历 & 任务** — 创建日程和任务，与项目管理流程联动
### 快速接入
```bash
railwise feishu
```
按引导输入飞书应用凭证（App ID + App Secret），选择需要的功能模块即可。配置自动写入 `railwise.json`，无需手动编辑。
> 飞书应用创建：访问 [open.feishu.cn](https://open.feishu.cn) → 控制台 → 创建应用 → 获取 App ID 和 App Secret → 为应用添加所需 API 权限
---
## 项目结构
```
RAILWISE-CLI/
├── .railwise/ # RAILWISE Agent Pack（智能体、技能、工具、命令）
│ ├── agent/ # 智能体 prompt 定义
│ ├── command/ # SOP 命令模板
│ ├── skill/ # 业务技能包
│ ├── tool/ # TypeScript 自定义工具
│ ├── lib/ # Agent Pack 工具共享代码
│ ├── templates/ # 报告、方案、PPT 等模板定义
│ ├── themes/ # TUI / Web 主题
│ └── railwise.json # 运行时配置（API 密钥，需自行创建）
├── packages/
│ ├── railwise/ # Core + CLI 核心引擎
│ │ ├── agent/ # 内置 RAILWISE 业务智能体
│ │ ├── command/ # 内置 SOP 命令模板
│ │ └── skill/ # 内置技能包
│ ├── nb-railwise/ # 插件 SDK（工具开发 API）
│ ├── sdk/js/ # Core HTTP/SSE SDK
│ ├── app/ # 共享 Web UI shell / 浏览器 SPA
│ ├── ui/ # 共享 UI 组件与设计令牌
│ ├── web/ # 文档站
│ └── ...
└── package.json # Bun monorepo
```
Desktop 源码、Tauri 配置、安装包、签名、公证和自动更新流程不在本仓库；桌面端在独立 `railwise-desktop-app` 仓库维护，并消费本仓库发布后的 CLI sidecar、SDK 和共享包。
## 插件开发
自定义工具使用 `nb-railwise` SDK 开发，放置于 `.railwise/tool/` 目录即可自动加载：
```typescript
/// <reference path="../env.d.ts" />
import { tool } from "nb-railwise/tool"
export default tool({
description: "工具描述",
args: {
input: tool.schema.string().describe("参数说明"),
},
async execute(args) {
// 实现逻辑
return JSON.stringify({ result: "..." })
},
})
```
---
## 跨会话记忆系统
RAILWISE-CLI 内置跨会话记忆系统——**用得越多越顺手**。系统自动从每次会话中提取关键知识（项目发现、技术决策、工作模式、踩坑经验），持久化到本地数据库。每次开启新会话时，这些记忆会自动注入上下文，让 AI 从第一句话就理解你的项目背景，无需反复解释。
随着使用积累，高频被验证的记忆会自动提升优先级，低价值的逐渐淡出——就像一个真正在成长的工程助手，越来越懂你的项目、你的习惯、你的偏好。
### 工作原理
1. **自动提取** — 当会话触发压缩（compaction）时，系统自动解析摘要中的 `## Discoveries`、`## Goal`、`## Instructions`、`## Accomplished` 等章节，提取有价值的记忆条目
2. **去重 & 增强** — 使用 Jaccard 相似度算法检测重复记忆（阈值 0.7），重复条目自动提升置信度而非重复存储
3. **智能注入** — 新会话启动时，按置信度排序取 Top-N 条记忆，以 `<project-memory>` 标签注入系统提示词
4. **生命周期管理** — 支持记忆过期、置信度衰减、访问计数跟踪
### 配置
在 `.railwise/railwise.json` 中添加 `memory` 字段：
```jsonc
{
"memory": {
"enabled": true, // 启用/禁用记忆系统（默认: true）
"autoCapture": true, // 自动从压缩摘要提取（默认: true）
"maxMemories": 10, // 注入系统提示词的最大记忆数（默认: 10，范围: 1-50）
},
}
```
### 记忆类别
| 类别 | 说明 | 来源 |
| ------------ | ---------------------------- | ----------------- |
| `discovery` | 关于项目结构、文件位置的发现 | `## Discoveries` |
| `decision` | 项目目标与关键决策 | `## Goal` |
| `pattern` | 编码风格与工作流模式 | `## Instructions` |
| `fact` | 已完成的工作成果 | `## Accomplished` |
| `preference` | 用户偏好 | 未来扩展 |
| `error` | 踩坑与解决方案 | 未来扩展 |
---
## 致谢
本项目基于 [opencode](https://github.com/sst/opencode)（MIT 协议）构建，感谢 SST 团队的开源贡献。
## 许可
MIT