Agent Memory - 记忆数据库

这是一个专门为 AI Agent 设计的记忆系统，模拟人类记忆的工作方式，帮助 Agent 记住对话历史、用户偏好和重要事件。

何时使用

• 对话结束后：将重要的对话内容存入记忆
• 用户询问过去：从记忆中查找相关历史
• 了解用户偏好：获取用户画像，提供个性化服务
• 发现重复信息：合并相关的事件记忆
• 清理过时记忆：归档或删除不再需要的信息

工具速览（本来不是这样设计的，现在还是定时任务让claw调用接口吧）

核心记忆工具

用户画像工具

归档管理工具

辅助工具

> 详细参数和返回格式请查看 API 参考手册

使用示例

示例 1：记住用户的偏好

用户：我喜欢简洁的回答，不要太啰嗦

Agent：
1. 调用 memory_profile_update 更新画像
2. 在后续回复中使用简洁风格

示例 2：回答关于过去的问题

用户：我上周做了什么来着？

Agent：
1. 调用 memory_search(query="上周 做什么", owner_id="user123")
2. 根据返回的 page_id 调用 memory_read(layers=[2, 3])
3. 基于找到的信息回答用户

示例 3：对话后存储记忆

用户：今天完成了项目 A 的开发，明天开始测试

Agent：
1. 调用 memory_process 存储这段对话
2. 系统会自动：
   - 生成摘要和关键词
   - 存储到三层页表
   - 检测相似页面（返回 merge_recommendation 如有）
3. 后续可以按 "项目 A" 搜索到这段记忆

📚 相关文档

• 用户使用指南 - API 使用说明、数据结构、最佳实践
• 部署运维手册 - 安装、配置、生产部署、监控维护
• API 参考手册 - 所有 API 的详细返回格式
• 安全手册 - 安全配置、安全检查清单
• 版本历史 - 版本更新记录

⚠️ 重要提示

三层页表结构

L1 (关键词) → L2 (摘要) → L3 (完整内容)

• L1：用于快速检索 (~200B)
• L2：LLM 生成的摘要 (~2KB)
• L3：完整原始内容 (~20KB)

信息类型

• waste：无意义对话（如问候、简单回应），不存储
• profile：用户偏好信息，更新画像
• event：事件信息，生成三层页表

相似度阈值建议

• >0.8：建议合并（same_event）
• 0.7-0.8：可考虑合并（related）
• <0.7：保持独立

claw注意（定时任务）

部署此 skill 的时候，设置定时任务，每天晚上十点半进行当日记忆总结与合并，如果已经有则不重复执行。

定时任务格式

执行每日记忆总结与整理（每天 22:30）

【目标】统一管理依记忆系统，包括事件记忆、用户画像、日常记忆文件

【流程步骤】

1. 获取今日
2. 读取今日的记忆（如果不存在就创建空白内容，稍后写入）
3. 读取 MEMORY.md 了解长期记忆状态
4. 读取 IDENTITY.md 了解身份设定
5. 调用 memory_stats 获取当前记忆库统计
6. 调用 memory_detect_similar 检测是否有需要合并的相似记忆（阈值 0.8）
7. 根据检测结果自动合并相似页面
8. 调用 memory_auto_archive 归档超过 90 天的旧页面
9. 根据今日记忆内容，更新用户画像（通过 memory_profile_update）：
• 提取新喜好/习惯
• 提取重要的承诺或约定
• 提取学到的关键信息
10. 将今日重要事件通过 memory_process 存入事件记忆库
11. 整理今日记忆的摘要内容，更新到 memory/YYYY-MM-DD.md 文件
12. 总结回复

【注意】

• 如果今日没有新记忆，报告说明即可
• 合并前先读取要合并的页面确认内容
• 画像更新只增不减，保留历史信息

claw注意（记忆 skill 使用）

在 memory文件 里面需要加入这段话：

记忆 skill

查看 skill 里面有个用于记忆的 skill 哦，然后查看用户画像

如果提到不记得的事情就可以到 memory 文件夹里面查找，或者到记忆数据库里面检索

其他接口可以自由发挥

作者：daivy

留言：如果还有bug，欢迎提交 pull request 修复，我会尽快修复。

另外，一些小错误，直接让你的龙虾改代码就能解决，龙虾很棒很强的，我用minimax的就能自己修bug，给我反馈，总而言之，希望有用