长期记忆

长期记忆的目标不是让 Agent 搜到更多旧话，而是让它在新证据到来后，更新自己对世界和工作的理解。

假设你两年前说过“我喜欢吃烤肉”，上个月又说“我开始吃素了”。普通向量检索可能同时找回两句话，却不知道后一句已经改变了前一句的含义。

Ankole 不把这两段话当成永远平等的两个结果，而是整理出带时间线的当前认知。

Ankole 的长期记忆模块代号为 Brain。它把原始证据、整理后的当前知识、后台 Dreaming、外部资料学习和 Skill 经验连成一套系统。

记忆不是聊天记录仓库

只增不减的聊天日志解决的是“以前说过什么”，不能独立回答“现在应该相信什么”。一个长期运行的 Agent 还需要完成三类工作：

• 记忆压缩：把分散在多次对话中的相关信息并入同一个主题，而不是留下许多互不相干的碎片。
• 记忆演化：新事实出现后更新旧认知，同时保留必要的生效时间和历史出处。
• 冲突处理：区分明确纠正、不同来源的分歧、尚未证实的传闻和 Agent 自己的推断。

Brain 同时维护两种知识。一种是由人物、组织、项目、政策等词条及其关系构成的世界模型；另一种是从多次工作中归纳或演绎出的判断、经验和工作方法。

一份长期记忆由什么组成

一条知识词条对应一个稳定主题。它可以包含名称、类型、别名、简介、属性、分块正文和与其他词条的关系。

这些词条和关系组成轻量的世界模型。例如，一个人物可以属于某个组织，一个项目可以受某项政策影响。

Brain 只把证据明确表达的关系写入关系图，不会把模型猜出的关系伪装成事实。

知识词条也不是不可质疑的“最终真相”。它表示 Agent 目前根据可见证据形成的最佳理解，并保留来源、作者、时间和审计记录。

Dreaming：把信息整理成认知

Dreaming 是 Brain 的后台整理机制。它不会在每条消息到达时立刻调用模型，而会等对话暂时安静，或待处理材料积累到一定数量后再批量处理。

这样既能看见跨消息的完整脉络，也避免为每一句话重复支付同一份提示词和模型开销。

Stage A：为聊天建立情景索引

Stage A 按聊天渠道处理较早的消息，把一段连续聊天划分成一个或多个情景。支线话题可以成为独立情景，噪声可以跳过，仍在进行的话题可以留到下一批。

每个情景摘要包含主题、摘要、未来可能的问法、已经形成的结论、涉及的系统，以及结论对应的原始消息。

情景摘要只负责导航。Stage A 不会改写或删除原始消息；Agent 真正需要引用或核实时，Brain 会展开摘要背后的聊天原文。

模型输出通过校验后，摘要和处理进度才会在同一个事务中保存。失败不会推进进度；即使某段最终被跳过，原始消息仍可通过关键词检索找到。

Stage B：把证据整理成当前知识

Stage B 按 Agent 处理材料。它先浏览情景摘要和材料索引，找出值得长期保存的主题，再展开相关原文、当前知识和已启用的 Skills。

Stage B 会新建词条，也会修改或删除旧正文，更新简介、别名、属性和关系。它还会压缩常驻备忘，并把可复用的工作教训写入 Skill Overlay。

聊天消息可以作为人物、团队、决定和外部世界的证据。任务结果只能说明 Agent 如何完成了一项工作，不能反过来证明 Agent 最后的回答一定正确。

因此，普通的成功不会自动变成经验。只有明确的人类纠正、故障恢复过程，或不容易凭空想到的多步骤成功，才适合沉淀为工作方法。

Stage B 的变更立即生效，并同时写入审计流水。它采用事后监督：人可以检查、纠正或恢复，而不是在每次自动整理前逐条审批。

演绎记忆与归纳记忆

Brain 不只摘录原话。它也允许 Agent 在证据约束下形成新的判断，但演绎和归纳承担的任务不同。

演绎记忆：从已有事实推出当前含义

演绎从已有事实和明确关系出发，回答“这些事实对当前问题意味着什么”。Agent 会在任务中重新读取相关词条和出处，再结合当前上下文推理。

值得长期保存的推断必须写成有条件的判断，标明 Dreaming、日期和依据。推断出的关系不会直接进入关系图；只有来源明确表达的关系才能成为结构化关系。

归纳记忆：从多次观察中总结模式

归纳把跨消息、跨时间的多次观察合在一起，形成趋势、偏好、规则或工作经验。一次偶然事件不能被包装成长期模式；当前规则要求至少有两条不同证据。

归纳结果会并入拥有该主题的词条，而不是每次观察都新建一条记忆。下一批新证据可以修正、收窄或推翻原来的判断。

Dreaming 的产出不会因为“更综合”就比原始证据更权威。新的 Dreaming 运行由新的原始材料触发，结论必须保留回到来源的路径。

记忆如何压缩和演化

Stage B 整理一批材料时，大致按下面的顺序工作：

1. 区分原始消息、任务结果和不值得长期保留的临时状态。
2. 找出每份材料涉及的稳定主题，并打开已有词条。
3. 比较新证据与当前正文，优先修改已有内容，而不是另建日期词条。
4. 重写已经失效或过时的段落，并保留必要的时间范围和出处。
5. 更新简介、别名、显式关系、常驻备忘和相关 Skill 经验。
6. 在一个事务中提交知识变更、Skill Overlay 更新、审计记录和处理进度。

在前面的饮食例子中，当前词条不应同时写着“喜欢烤肉”和“吃素”，却不给任何解释。

它应表达为“过去喜欢烤肉；自某时起开始吃素”，或者在用户明确纠正后，只保留仍会影响未来建议的现状。

Brain 不用“最后一条消息自动覆盖一切”处理冲突：

当前版本不会用一个简单的数值置信度替人做决定。时间、出处、说话人、是否明确纠正以及是否仍有争议，会直接写进知识内容和审计记录。

学习外部知识，而不只整理对话

在 Console 打开知识库 → 资料 → 让 Agent 学习资料，选择 Agent 和记忆范围后，可以提供三类资料：

文件会在学习任务开始前保存。因此即使 Worker 暂时不可用，或学习任务失败，原文件也不会丢失，可以直接重试。

资料是证据，不是最终知识。Agent 应把不同主题整理进各自词条，给结论保留资料引用；原文更新后，应重新学习或纠正受影响的知识。

外部系统的事件也可以通过信号源进入 Agent。对于价格、库存等高频变化的数据，更可靠的做法是在任务发生时查询其权威系统。

Brain 适合保存稳定结论、变化原因、适用时间和数据来源，而不是复制一个很快过期的当前值。

如果实例安装了资料 Connector，Brain 还可以按来源版本同步外部文档。同步文档在知识库中是只读镜像；来源更新时整体更新，来源被删除或失去访问权限时撤下。

Skill Overlay：让工作方法持续改进

知识词条回答“世界现在是什么样”，Skill 回答“这类工作应该怎样做”。把工作教训全塞进知识库，会让事实和操作方法混在一起。

Ankole 因此为每个 Agent 和 Skill 保存一份 Skill Overlay，Console 中称为技能经验。它叠加在内置 Skill 之上，不会修改基础 Skill 文件，也不会影响其他 Agent。

Agent 可以在工作中主动补充经验，Dreaming 也会从明确纠正、故障恢复或可复用的复杂做法中提炼经验。下次加载该 Skill 时，基础说明和 Overlay 会一起交给 Agent。

Dreaming 只能更新已经启用的 Skill，不能凭空创建新 Skill。没有新信息时可以不写；内容重复时应改写已有经验，而不是持续追加近义条目。

你可以在知识库 → 技能经验查看 Dreaming 写入了什么，再到 Agent Library 修改或删除。Skill 被停用时，已有 Overlay 会保留，但不会进入 Agent 的工作上下文。

Agent 如何找回需要的记忆

每轮对话都会带上一份很短的常驻备忘。它只放那些不经搜索也必须遵守的规则，并受固定 token 预算限制；其余知识在需要时检索。

一次 memory_search 会在当前会话有权读取的范围内并行查找：

1. 知识词条和正文的关键词结果；
2. 知识正文的向量结果；
3. 聊天原文的关键词结果；
4. 情景摘要的向量结果。

Brain 将四路排名融合为一个总排名，再应用时间衰减和可选的 Rerank。聊天消息随时间完整衰减；知识词条只做有限降权，不会仅因长期未修改就彻底消失。

排名完成后，Brain 才展开入选结果。情景摘要展开其原始消息；有 thread 的消息展开整条 thread；没有 thread 的消息补充前后相邻内容。

最后，Brain 在总 token 预算内保留最相关的若干项。某个候选过长时会被截短，Agent 仍可通过 memory_browse 打开完整 thread 或资料。

Embedding 不是使用长期记忆的前提。未配置向量模型时，关键词检索、知识词条、审计和 Dreaming 仍可工作；缺少的是同义表达和语义相近内容的召回。

记忆范围决定谁能看到什么

每份知识都有归属 Agent 和知识库范围：

共享频道可以读取共享知识和 Agent 自身知识，默认写入共享范围。私聊还可以读取对应的私聊记忆，默认写回该私聊范围。

聊天渠道使用共享还是频道专属记忆，由信号路由规则中的记忆范围决定。不要为了方便把客户资料或隔离项目写入共享范围。

一个会话的记忆范围在会话期间保持不变。修改信号路由规则后，下一次对话会使用新范围；系统不会把旧会话内容跨过新的可见性边界。

Console 中的长期记忆功能

Console 的知识库有六个标签页。它们共享同一个归属 Principal 选择器，但各自负责一类任务：

词条与整理指南

1. 打开知识库 → 词条。
2. 选择归属 Principal。
3. 按名称、别名、简介或正文搜索。
4. 需要时展开筛选器，按类型、知识库、作者或更新时间缩小范围。
5. 打开词条，检查正文块、出处和关系。

词条编辑器分为编辑、投影和审计。编辑页可以修改元数据、正文块和关系；投影页显示 Agent 实际读取的 Markdown，并列出正文引用的出处。

纠正正文块时填写原因。每个正文块独立记录最后修改者和版本；修改不会抹去历史。

整理指南位于词条列表上方。每个 Principal 在自身知识库中只能有一份，并且只能由人维护。它用来告诉 Dreaming 应采用哪些领域类型、建页门槛、分类和更新规则。

不要把临时进度、一次性的报错或未经核实的猜测写成长期知识。

资料与技能经验

资料页只列出保留的二进制文件和 Connector 管理的来源。粘贴文本和网页正文会直接变成知识词条，因此保存后会进入对应词条，不会留在资料列表中。

打开一份文件可以查看学习状态、下载不可变原文、重试失败的学习任务，并进入引用了该资料的知识词条。

技能经验页是只读汇总。需要修改或删除 Skill Overlay 时，使用卡片上的在 Agent Library 中编辑。

Dreaming 与整理存活率

在知识库 → Dreaming选择 Agent，然后点击立即运行整理。这个按钮只运行所选 Agent 的 Stage B，不会手动触发频道级 Stage A。

运行结束后，页面显示处理材料数、知识操作数和技能经验更新数。

页面还显示 Dreaming 存活率：达到观察周期的 Dreaming 正文中，有多少没有被人修改或删除。它只是发现整理质量变化的监督信号，不是知识正确率，也不是模型评分。

审计与恢复

在知识库 → 审计中，可以按知识库、操作、执行者、Dreaming Run 和日期筛选。

恢复前先预览修改前后的内容。你可以恢复一条记录，也可以选择多条记录后一次恢复。批量恢复按从新到旧执行；只要有一项当前值已经变化，整批就不会写入。

恢复本身也会留下新的审计记录。已经删除的词条仍保留审计流水，可以从删除记录恢复整份词条。

复核时重点检查：

• 暂时状态被误写成长期事实；
• 已经失效但仍会影响判断的规则；
• 重复或互相矛盾的词条；
• 没有来源却表述过度肯定的结论；
• 不再适用或重复堆叠的 Skill 经验。

状态

知识库 → 状态是长期记忆唯一的健康面。它显示当前告警、情景摘要和知识正文的向量状态、全局 Embedding 配置、Stage A 频道、Stage B、常驻备忘预算、卡住的任务和知识 Lint。

知识 Lint 会统计日期式名称、近重名、超长词条和零正文词条。状态页只报告问题，不会替你自动改写知识。

高级：系统配置中的 Brain 设置

检查记忆是否正常

打开知识库 → 状态，先看当前告警，再按页面顺序检查对应管线。

• 搜索不到刚写入的词条：先用准确关键词搜索；若只有语义搜索失败，检查 Embedding 配置和索引积压。
• Agent 记住了错误内容：找到词条并纠正；需要撤销整批改动时，到审计流水恢复。
• 资料一直处于学习中：打开资料查看状态，再检查后台 Agent 任务和 Worker。
• 同一事实出现多份：合并重复正文，并给保留词条补充常用别名。
• Dreaming 长时间没有新结果：检查对应 Agent 的 light 模型档案，以及状态页中的不可用原因和失败任务。
• 群聊内容出现在错误范围：检查该聊天渠道的信号路由规则和记忆范围。