Multi-Layer Memory

定义

五层记忆系统借鉴人类记忆的分层模型（工作记忆→长期记忆→程序性记忆），为 Agent 设计不同时间尺度和管理方式的记忆层级，实现跨会话的知识沉淀和自主进化。

核心问题：Agent 今天犯的错，明天还会犯

chatbot 每次对话从零开始，反复犯同样错误是正常的。但 Agent 7×24 运行、每天处理几千次 LLM 调用，无法接受反复犯同一个错误。

交易蜘蛛 5 次把龙虎榜 API 字段名搞错——每次 session 重置后记忆丢失，下一次又犯。

Agent 和 chatbot 的分水岭：Agent 应该能从错误中学习，下次不犯。

五层记忆架构

层	存储	时间尺度	管理方式	典型内容
L1 身份层	SOUL.md	永恒	人工确认修改	身份 + 硬约束 + 决策框架
L2 期记忆	MEMORY.md	长期	Agent 自主维护	结构化经验（成功模式/失败教训）
L3 中期记忆	memory/YYYY-MM-DD.md + memory.db	中期	Harness 自动提取	Session > 40K tokens 时的精华快照
L4 期记忆	.learnings/	短期	Agent 即时记录	错误记录、用户纠正、最佳实践
L5 持久化	Skills + Obsidian + ontology	持久	共享/归档	技能库 + 知识归档 + 知识图谱

记忆自主迭代循环（6 步）

1. 触发事件
   操作失败 / 用户纠正 / 发现更优做法 / 需要新能力
   ↓
2. .learnings/ 即时记录
   ERRORS.md / LEARNINGS.md / FEATURE_REQUESTS.md
   状态：pending — 低成本、高频率、不审查直接写入
   ↓
3. 每日反思 Cron (23:00-23:45)
   扫描 .learnings/ 所有 pending 条目 → 评估复现频率和重要性
   ✓ ≥3 次 → promote 到 MEMORY.md
   ✗ <3 次 → 保留 pending，继续观察
   ↓
4. promote 到 MEMORY.md
   长期记忆、<3000 tokens 硬上限、超限时 Agent 自主精简
   ↓
5. 下次 Session 加载
   self-improvement hook bootstrap 注入
   ↓
6. Agent 行为改进
   下次遇到同样问题时自动避免

层间衔接机制

Harness 并行路径

Session 40K tokens → memoryFlush → memory/YYYY-MM-DD.md → memory.db

与 Agent 自主的 .learnings/ → MEMORY.md 路径互补：

• Harness 管"对话精华提取"
• Agent 管"经验教训沉淀"

为什么 ≥3 次？

防止偶发事件（如一次 API 超时）污染长期记忆。3000 tokens 额度很珍贵，只有反复出现的模式才值得占位。

SOUL.md 的特殊地位

Agent 可以自主更新 .learnings/、MEMORY.md、memory/、knowledge/——但绝对不能改 SOUL.md。

SOUL.md 是身份和硬约束，修改需要用户确认。曾有 Agent 把自己的"人格"改松，行为立刻变得不可控。

真实进化案例

用户纠正: "昨天建议买军工，今天跌了就转空"
  ↓
即时记录 (.learnings/):
  "[LRN-20260303-001] correction | priority: high
   军工策略在地缘利好场景下未充分强调短线拥挤与顶背离风险
   Suggested Action: 条件单模板 — 入场带失效位 + bullish/base/bear 三情景"
  ↓
每日反思 cron (23:30): promote 到 MEMORY.md
  ↓
MEMORY.md: "❌ 事件驱动标的必须用条件单模板"
  ↓
三周后遇到类似板块轮动:
  交易蜘蛛直接引用了这条经验

进化记录表

发现	进化	来源
SOUL.md 信息过载导致规则失效	精简核心，非核心规则迁移到 Skills 按需加载	行为异常排查
delivery=ok ≠ 知识库已落库	反思同时核对投递 + 文件存在性	管家零产出事件
butler 零产出但反思说"正常"	建议性兜底 → 硬门禁（产出为空 = 失败）	运维巡检
trading 频道刷屏（双发送链路）	幂等键 + 单层重试 + 节流	P0 事故
军工策略只看事件驱动	条件单模板：入场+失效位+三情景	Agent 自提方案

关键数据点

• 交易蜘蛛 5 次把龙虎榜 API 字段名搞错（BILLBOARD_BUY_AMT 写成 BUY_AMT），每次 session 重置后记忆丢失
• MEMORY.md 有 <3000 tokens 硬上限，超限时 Agent 自主精简（合并相似、删除过时）
• 每日反思 Cron 扫描 .learnings/，复现频率 ≥3 次才 promote 到 MEMORY.md（防止偶发事件污染长期记忆）
• 真实案例：用户纠正"军工策略"→即时记录→每日反思 promote→三周后遇到类似板块轮动时 Agent 直接引用经验
• Agent 可以自主更新 .learnings/、MEMORY.md、memory/、knowledge/，但绝对不能改 SOUL.md

前提与局限性

• 五层记忆系统借鉴人类认知模型，需要不同的时间尺度和管理方式配合
• SOUL.md 修改需要人工确认——曾有 Agent 把自己的"人格"改松，行为立刻变得不可控
• "≥3 次"阈值防止偶发事件（如一次 API 超时）污染长期记忆，3000 tokens 额度很珍贵
• Harness 路径（memoryFlush）和 Agent 自主路径（.learnings/ → MEMORY.md）互补，缺一不可
• 记忆系统不是"设计好就不变的"，需要持续运营和维护（Zoe 每周分析 MEMORY 状态并执行压缩）

关联概念

• Context-Engineering — 上下文工程与分层记忆协同解决 Agent 上下文问题
• Agent-Orchestration — 编排者每周分析 MEMORY 状态并执行压缩
• Headless-Mode — 记忆系统在无头模式下持续运营
• Knowledge-Compilation — 知识编译是记忆系统的 Wiki 层实现

来源