（456期）Smart Agent Memory – Agent 分层记忆与经验沉淀系统

Agent 分层记忆与经验沉淀系统 跨平台Agent长期记忆系统，支持分层上下文供给、Skill经验沉淀与温度模型，纯Node.js实现零依赖，适合多Agent协作场景。 使用说明 Smart Agent Memory 综合评估 核心用法 Smart Agent Memory 是一款面向 Agent 架构的长期记忆管理工具，采用分层上下文供给设计理念，避免全量加载记忆导致的 token 浪费。核心使用流程为：先读取精简索引（<500 tokens）→ 判断所需记忆范围 → 按需加载具体上下文 → 执行任务。支持三级存储架构：Markdown（人类可读、QMD 可搜索）、JSON（结构化数据）、SQLite/FTS5（高性能全文检索）。 关键功能模块包括： Skill 经验记忆：工具调用踩坑后立即沉淀经验，下次调用前自动加载，形成正向循环 温度模型：追踪记忆访问频率，自动识别"热记忆"与"冷记忆" 自动归档：GC 机制定期清理低频数据，保持存储健康 会话生命周期管理：session-start 快速加载记忆概览，session-end 持久化会话摘要 显著优点 架构设计先进：分层加载策略显著降低 token 消耗，解决大模型上下文窗口瓶颈 跨 Agent 通用：基于文件系统的存储层，天然支持多 Agent 共享记忆，无需额外服务 零外部依赖：纯 Node.js 原生模块，部署简单，无数据库、无网络依赖 人机双友好：Markdown 层保证人类可读可审计，JSON/SQLite 层保证机器高效检索 经验可复制：Skill-level 的经验沉淀机制，让踩过的坑不再重复踩 潜在缺点与局限性 存储一致性风险：文件系统存储在并发写入场景下可能存在竞态条件，缺乏事务保证 无分布式能力：单机文件系统架构，无法横向扩展至多机部署 检索深度有限：虽支持 FTS5，但复杂语义搜索仍依赖 QMD 外部服务，降级方案为 TF-IDF 维护成本：需要配置 cron 任务进行反思、GC 等维护操作，对非技术用户有一定门槛 权限模型简单：仅基于文件系统权限，缺乏细粒度的访问控制 适合人群 多 Agent 系统开发者：需要 Agent 间共享上下文、沉淀协作经验的场景 长期运行型 Agent：需要跨会话保持记忆、避免重复学习的个人助理类应用 隐私敏感用户：数据完全本地存储，无需上传云端 OpenClaw 生态用户：与 OpenClaw 深度集成，享受开箱即用的记忆能力 常规风险 | 风险类型 | 等级 | 说明 ||---------|------|------|| 数据丢失 | 中 | 文件系统损坏或误删可能导致记忆丢失，建议定期备份 .data/ 和 .archive/ || 信息泄露 | 低 | 存储路径默认为用户目录下，多用户系统需注意权限配置 || 性能衰减 | 低 | 长期运行后索引膨胀，需依赖 GC 和 reflect 任务维护 || 幻觉传播 | 中 | 错误记忆被反复加载可能强化错误，需人工审计 lessons/ 目录 | 安全建议 生产环境启用目录级备份策略 定期人工抽检 skills/ 和 lessons/ 中的经验质量 敏感实体记忆建议启用额外加密层（当前版本未内置） 原始说明 跨平台 Agent 长期记忆系统。分层上下文供给 + 温度模型 + Skill经验记忆 + 结构化存储 + 自动归档。三层存储：Markdown（人可读，QMD 可搜索）+ JSON（结构化）+ SQLite/FTS5（高性能全文搜索）。纯 Node.js 原生模块，零外部依赖。