7f4aeb021b
- Fix 8 Feishu agent handlers to use permission_level="acceptEdits" so file_write tool works without Web UI approval popup (lingxi/renshenguo/suyao/tiantian/orange/main/schedule) - Add P5-P7 memory improvements: offline keyword fallback, team sharing, file-based memory - Add auto_dream_service for daily memory consolidation - Add 99 memory system test cases (basic 18 + advanced 43 + pytest 38) - Add platform capability assessment report and unfinished project checklist Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
288 lines
14 KiB
Markdown
288 lines
14 KiB
Markdown
# Agent 记忆系统对比：天工平台 vs Claude Code
|
||
|
||
> 最后更新：2026-06-14
|
||
|
||
---
|
||
|
||
## 一、天工平台记忆架构
|
||
|
||
### 1.1 概览
|
||
|
||
```
|
||
┌─────────────────────────────────────────────────────────┐
|
||
│ 天工 Agent 记忆栈 │
|
||
├─────────────────────────────────────────────────────────┤
|
||
│ 三层记忆 │
|
||
│ ┌─────────────┐ ┌──────────────┐ ┌────────────────┐ │
|
||
│ │ 压缩记忆 │ │ 向量语义记忆 │ │ 自主学习模式 │ │
|
||
│ │ (Compaction) │ │ (Vector Mem) │ │ (Learning) │ │
|
||
│ └──────┬──────┘ └──────┬───────┘ └───────┬────────┘ │
|
||
│ │ │ │ │
|
||
│ LLM 摘要压缩 BGE-M3 Embedding LLM 模式提取 │
|
||
│ 三级策略触发 余弦相似度检索 工具调用学习 │
|
||
│ │ │ │ │
|
||
│ ┌──────┴──────┐ ┌─────┴──────┐ ┌───────┴────────┐ │
|
||
│ │ persistent │ │ AgentVector │ │ learning │ │
|
||
│ │ _memory │ │ Memory 表 │ │ _patterns 表 │ │
|
||
│ │ (JSON blob) │ │ (向量+元数据)│ │ (模式+频率) │ │
|
||
│ └─────────────┘ └────────────┘ └────────────────┘ │
|
||
└─────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
### 1.2 三层记忆详解
|
||
|
||
#### 压缩记忆 (Compaction Memory)
|
||
|
||
| 级别 | 触发条件 | 机制 | 效果 |
|
||
|------|---------|------|------|
|
||
| MicroCompact | 窗口 70% | 旧工具结果替换为桩标记 | 回收 30-50% token |
|
||
| FullCompact | 窗口 85% | LLM 摘要替换旧对话片段 | 进一步压缩 |
|
||
| ReactiveCompact | 窗口 95% | API 报错后被动触发 | 最终兜底 |
|
||
|
||
- 熔断保护：连续压缩失败 3 次自动停止
|
||
- 受保护工具（14 个）：`file_write`, `send_email`, `deploy_push` 等绝不压缩
|
||
- 配置：`CompactionConfig` 可单独设定各阈值
|
||
|
||
#### 向量语义记忆 (Vector Semantic Memory)
|
||
|
||
- **Embedding 模型**: `BAAI/bge-m3` (1024 维, 8192 token)
|
||
- **后端**: SiliconFlow (国内直连)
|
||
- **存储**: MySQL `agent_vector_memory` 表
|
||
- **检索**: 余弦相似度 + LLM Rerank（可选）
|
||
- **类型分类**: user / feedback / project / reference
|
||
- **配置**: `vector_memory_enabled`, `vector_memory_top_k`, `vector_memory_rerank`
|
||
|
||
最近 50 条记忆参与相似度计算，语义检索 top-5 注入 system prompt。
|
||
|
||
#### 自主学习模式 (Learning Patterns)
|
||
|
||
- 从工具调用序列中提取使用模式
|
||
- 记录调用成功率和参数偏好
|
||
- 存储到 `learning_patterns` 表
|
||
- 后续类似任务时注入匹配模式
|
||
|
||
### 1.3 记忆生命周期
|
||
|
||
```
|
||
用户发消息
|
||
│
|
||
├─→ AgentMemory.initialize(query)
|
||
│ ├─ 加载 persistent_memory (JSON blob: 用户画像+上下文+历史摘要)
|
||
│ ├─ 向量检索 AgentVectorMemory (按 query 语义相似度)
|
||
│ └─ 全局知识库检索 GlobalKnowledge
|
||
│
|
||
├─→ Agent 执行对话...
|
||
│
|
||
└─→ AgentMemory.save_context()
|
||
├─ _compress_and_summarize() (LLM 提取 user_profile/key_facts/summary/topics)
|
||
├─ save_persistent_memory() (写入 MySQL persistent_memory 表)
|
||
├─ _save_vector_memory() (embedding → agent_vector_memory 表)
|
||
└─ _save_compressed_memories() (摘要向量化写入，P1 新增)
|
||
```
|
||
|
||
### 1.4 记忆配置 (AgentMemoryConfig)
|
||
|
||
| 配置项 | 默认值 | 说明 |
|
||
|--------|------|------|
|
||
| max_history_messages | 20 | 注入 LLM 上下文的最大消息数 |
|
||
| persist_to_db | true | 会话记忆写入 MySQL |
|
||
| vector_memory_enabled | true | 向量语义检索 |
|
||
| vector_memory_top_k | 5 | 每次检索返回 top 5 |
|
||
| vector_memory_rerank | false | LLM Rerank 精选 |
|
||
| memory_type_filter | null | 按类型过滤 (如 `["user","project"]`) |
|
||
| learning_enabled | true | 自主学习模式 |
|
||
| compaction | null | CompactionConfig 配置 |
|
||
|
||
---
|
||
|
||
## 二、Claude Code 记忆架构
|
||
|
||
### 2.1 概览
|
||
|
||
```
|
||
┌──────────────────────────────────────────────────────────┐
|
||
│ Claude Code 记忆栈 │
|
||
├──────────────────────────────────────────────────────────┤
|
||
│ 五层文件记忆 + 三个后台进程 │
|
||
│ │
|
||
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
|
||
│ │CLAUDE.md │ │ Auto │ │ Team │ │ Agent │ │
|
||
│ │ 项目指令 │ │ Memory │ │ Memory │ │ Memory │ │
|
||
│ └──────────┘ └────┬─────┘ └────┬─────┘ └──────────┘ │
|
||
│ │ │ │
|
||
│ MEMORY.md memory/team/ │
|
||
│ + topic/*.md push/pull sync │
|
||
│ │ │
|
||
│ ┌───────────────────┴──────────────────────────────┐ │
|
||
│ │ Session Memory (当前会话笔记) │ │
|
||
│ └──────────────────────────────────────────────────┘ │
|
||
│ │
|
||
│ 后台进程： │
|
||
│ ┌────────────────┐ ┌──────────────┐ ┌─────────────┐ │
|
||
│ │ Extract │ │ Auto Dream │ │ Kairos Daily│ │
|
||
│ │ Memories │ │ 夜间整合 │ │ Log Mode │ │
|
||
│ │ (每轮对话后) │ │ (24h+5会话) │ │ (append日记) │ │
|
||
│ └────────────────┘ └──────────────┘ └─────────────┘ │
|
||
└──────────────────────────────────────────────────────────┘
|
||
```
|
||
|
||
### 2.2 五层文件记忆
|
||
|
||
#### Layer 1: CLAUDE.md 项目指令
|
||
|
||
- 启动时加载，四层优先级：Managed → User → Project → Local
|
||
- 支持 `@include` 指令组合文件
|
||
- 支持 glob 条件规则 (`paths:` 在 YAML frontmatter)
|
||
- 最大 40,000 字符/文件
|
||
|
||
#### Layer 2: Auto Memory (自动化持久记忆)
|
||
|
||
- 存储位置：`~/.claude/projects/<project>/memory/`
|
||
- 四类记忆：**user** / **feedback** / **project** / **reference**
|
||
- 两步保存：(1) 写 `.md` 文件 (含 frontmatter) → (2) 追加索引到 `MEMORY.md`
|
||
- `MEMORY.md` 上限 200 行 / 25KB
|
||
|
||
#### Layer 3: Team Memory (团队共享)
|
||
|
||
- `memory/team/` 子目录，独立 `MEMORY.md` 索引
|
||
- push/pull 同步机制：watcher 监听文件变化 → debounce → push 到服务器
|
||
- 路径遍历防护：symlink 解析、realpath 容器检查
|
||
|
||
#### Layer 4: Agent Memory (Agent 专属)
|
||
|
||
- 用户/项目/本地三种 scope
|
||
- Agent 创建向导中配置
|
||
|
||
#### Layer 5: Session Memory (会话笔记)
|
||
|
||
- 当前对话的运行中笔记
|
||
- token 计数阈值 + 工具调用阈值触发更新
|
||
- GrowthBook 特性开关控制
|
||
|
||
### 2.3 三个后台进程
|
||
|
||
#### Extract Memories（每轮对话后）
|
||
|
||
- 对话结束后 fork 子 Agent，共享父级 prompt cache（零成本上下文）
|
||
- 只读搜索 + 仅可写 memory 目录（沙箱隔离）
|
||
- 上限 5 轮防止无限循环
|
||
|
||
#### Auto Dream（夜间整合）
|
||
|
||
- 触发条件：(1) ≥ 24h 距上次整合 (2) ≥ 5 次新会话 (3) 获取锁
|
||
- 回顾会话 transcript，提炼为 topic 文件 + 更新 MEMORY.md
|
||
|
||
#### Kairos Daily Log Mode（日记模式）
|
||
|
||
- 长运行 Assistant 会话：append-only 日期日志
|
||
- 夜间 `/dream` 技能提炼日志为结构化记忆
|
||
|
||
### 2.4 记忆检索：LLM 分类器（非向量搜索）
|
||
|
||
```
|
||
用户提问
|
||
│
|
||
├─→ 扫描所有记忆文件的 frontmatter (name + description)
|
||
├─→ 格式化 manifest → 发送给 Sonnet 模型
|
||
├─→ Sonnet 选最相关 5 个文件
|
||
└─→ 选中文件内容注入上下文
|
||
|
||
没有 Embedding, 没有向量数据库，纯 LLM 判断 + 文件系统。
|
||
```
|
||
|
||
---
|
||
|
||
## 三、核心差异对比
|
||
|
||
### 3.1 架构理念
|
||
|
||
| 维度 | 天工平台 | Claude Code |
|
||
|------|---------|-------------|
|
||
| 设计哲学 | 传统 RAG + Agent | 文件系统 + LLM 原生 |
|
||
| 记忆存储 | MySQL 数据库 | Markdown 文件 |
|
||
| 检索方式 | 向量相似度 + LLM Rerank | LLM 读 frontmatter 选文件 |
|
||
| 记忆写入 | 对话中同步，结构化 | 后台子 Agent 异步，自由文本 |
|
||
| 分类体系 | 关键词推断 4 类 | 4 类显式标注 |
|
||
| 记忆整合 | 无（实时覆盖） | Auto Dream 夜间去重合并 |
|
||
| 外部依赖 | Embedding API (SiliconFlow) | **零** |
|
||
| 离线可用 | 否 | 是 |
|
||
|
||
### 3.2 能力矩阵
|
||
|
||
| 能力 | 天工 | Claude Code | 说明 |
|
||
|------|:--:|:--:|------|
|
||
| 对话压缩 | ✅ | ✅ | 天工三级策略更细粒度 |
|
||
| 向量语义检索 | ✅ | ❌ | 天工专属优势 |
|
||
| LLM Rerank 检索 | ✅ | ✅ | 天工可选，Claude Code 必选 |
|
||
| 自动记忆提取 | ✅ | ✅ | Claude Code 子 Agent 更智能 |
|
||
| 夜间记忆整合 | ✅ | ✅ | 天工 Auto Dream 已实现 |
|
||
| 记忆类型分类 | ✅ | ✅ | 均支持 4 类 |
|
||
| 后台异步提取 | ✅ | ✅ | 天工已改为 fire-and-forget |
|
||
| 团队共享记忆 | ❌ | ✅ | Claude Code 独有 |
|
||
| 记忆去重 | ✅ | ❌ | 天工 GlobalKnowledge 去重 |
|
||
| 全局知识池 | ✅ | ❌ | 天工独有 |
|
||
| 自主学习模式 | ✅ | ❌ | 天工独有 |
|
||
| 记忆规模上限 | 百万级 | ~200 条 | 天工向量搜索更具扩展性 |
|
||
| 单次检索成本 | 几乎免费 | 1 次 LLM 调用 | 天工更经济 |
|
||
|
||
### 3.3 优缺点对比
|
||
|
||
#### 天工平台
|
||
|
||
| 优点 | 缺点 |
|
||
|------|------|
|
||
| 向量搜索毫秒级响应，可扩展百万级记忆 | 离线关键词匹配精度弱于语义搜索 |
|
||
| LLM Rerank + 向量混合检索，精度高 | — |
|
||
| 全局知识池跨 Agent 共享 + 去重 | — |
|
||
| 后台异步压缩 + Auto Dream 每日整合 | — |
|
||
| 文件式记忆 (MEMORY.md) 离线兜底 | — |
|
||
| 自主学习从工具调用中提取模式 | — |
|
||
| 三级对话压缩 + 熔断保护 | — |
|
||
| 4 类记忆分类 + 关键词自动推断 | — |
|
||
| 团队共享记忆 + 跨 Agent 知识池 | — |
|
||
|
||
#### Claude Code
|
||
|
||
| 优点 | 缺点 |
|
||
|------|------|
|
||
| 零外部依赖，完全离线可用 | 检索每次调 LLM，成本高速度慢 |
|
||
| 子 Agent 后台提取记忆，不影响主对话 | 记忆上限受 manifest 长度限制 (~200 条) |
|
||
| 夜间自动整合去重，记忆质量持续提升 | 无向量搜索，长尾记忆可能漏 |
|
||
| 团队共享记忆，多用户协同 | 无全局知识池，跨项目知识难复用 |
|
||
| 自由文本格式，记忆表达灵活 | 文件管理无结构化查询能力 |
|
||
|
||
---
|
||
|
||
## 四、天工借鉴 Claude Code 已实施改进
|
||
|
||
| 优先级 | 改进 | 状态 | 说明 |
|
||
|--------|------|:--:|------|
|
||
| P0 | 记忆分类体系 | ✅ | user/feedback/project/reference 4 类 + 关键词推断 |
|
||
| P1 | 压缩摘要向量化 | ✅ | `_save_compressed_memories()`，压缩结果注入向量索引 |
|
||
| P2 | LLM Rerank 混合检索 | ✅ | 向量粗筛 top-20 → LLM 精选 top-K，可选开关 |
|
||
| P3 | 后台异步记忆提取 | ✅ | `_background_compress_and_save()` fire-and-forget，不阻塞对话 |
|
||
| P4 | Auto Dream 每日整合 | ✅ | 凌晨 3:00 触发，合并相似记忆 + 生成每日摘要 |
|
||
| P5 | 离线鲁棒性 | ✅ | 关键词分词器 + 离线搜索降级，Embedding API 不可用时自动兜底 |
|
||
| P6 | 团队共享记忆 | ✅ | team_id 机制，记忆自动发布到团队池 + 跨 Agent 检索 |
|
||
| P7 | 文件式记忆 MEMORY.md | ✅ | 本地 markdown 存储，YAML frontmatter，数据库不可用时可独立运行 |
|
||
|
||
### 后续可借鉴
|
||
|
||
- **push/pull 同步**：团队记忆的跨服务器同步（目前本地共享）
|
||
- **子 Agent 记忆提取**：fork 独立 Agent 做更深度的记忆分析和关联
|
||
|
||
---
|
||
|
||
## 五、相关文件
|
||
|
||
| 文件 | 说明 |
|
||
|------|------|
|
||
| `backend/app/agent_runtime/memory.py` | 天工记忆管理核心（~720 行） |
|
||
| `backend/app/agent_runtime/schemas.py` | 记忆配置模型 |
|
||
| `backend/app/services/embedding_service.py` | Embedding 生成 + 离线关键词兜底 |
|
||
| `backend/app/services/auto_dream_service.py` | Auto Dream 每日记忆整合（新增） |
|
||
| `backend/app/core/compaction.py` | 三级对话压缩引擎 |
|
||
| `D:\cd\claude-code\src\memdir\memdir.ts` | Claude Code 记忆目录管理 |
|
||
| `D:\cd\claude-code\src\services\extractMemories\` | Claude Code 后台记忆提取 |
|
||
| `D:\cd\claude-code\src\services\autoDream\` | Claude Code 夜间记忆整合 |
|