Skip to content
Skills Library
AI & agents · Building & coding

es-memory-rag

/es-memory-rag

为 Agent 构建或改造 ES-Memory/ESDM 驱动的 RAG 记忆生命周期,包含按需驻留与主动换页、主动注入路径(主模型无需检索 tool-call 即拿到记忆块)、独立凌晨仓管、动态权重、事实分层压缩、低权重随机遗忘、「请你慢一点遗忘我」慢遗忘预设(两档:遗忘降速 / 原文永存)、真人提醒强化,以及历史快照/当前负荷/评价版本三层情绪记忆。适用于实现、迁移或审计这套方案;不因普通知识查询就重建记忆系统。

Licence
MIT
Last repository change
31.10.2026

Assessment and security

100/ 100Class: good
Format25 / 25
Frontmatter with name and description, valid name, description up to 1,024 characters, name matching the folder.
Discoverability25 / 25
Description explains when to use the skill, has a reasonable length and uses third person.
Content35 / 35
At least 150 words and at most 500 lines, headings, step lists, examples or code.
Hygiene15 / 15
No placeholders such as TODO, no Windows paths, with a licence.
Riskno signals detected in the scan
Files in this package
13
Scripts
0
HTML comments
0
URLs in SKILL.md
0
Deprecation

No signals detected. Repository changed on 31.10.2026, without references to retired models or APIs.

Licence

MIT, open: use and modify while retaining author attribution.

What it does and when to use it

为 Agent 构建或改造 ES-Memory/ESDM 驱动的 RAG 记忆生命周期,包含按需驻留与主动换页、主动注入路径(主模型无需检索 tool-call 即拿到记忆块)、独立凌晨仓管、动态权重、事实分层压缩、低权重随机遗忘、「请你慢一点遗忘我」慢遗忘预设(两档:遗忘降速 / 原文永存)、真人提醒强化,以及历史快照/当前负荷/评价版本三层情绪记忆。适用于实现、迁移或审计这套方案;不因普通知识查询就重建记忆系统。

Original author description

为 Agent 构建或改造 ES-Memory/ESDM 驱动的 RAG 记忆生命周期,包含按需驻留与主动换页、主动注入路径(主模型无需检索 tool-call 即拿到记忆块)、独立凌晨仓管、动态权重、事实分层压缩、低权重随机遗忘、「请你慢一点遗忘我」慢遗忘预设(两档:遗忘降速 / 原文永存)、真人提醒强化,以及历史快照/当前负荷/评价版本三层情绪记忆。适用于实现、迁移或审计这套方案;不因普通知识查询就重建记忆系统。

How it works

  1. 先确定接入点
  2. 必须落实的行为
  3. α3 工作集与主动换页
  4. 默认配置与参考引擎
  5. 请你慢一点遗忘我(慢遗忘预设)
  6. 接真实 RAG 和独立仓管
  7. 验收与交付
  8. 版本
  9. 开发期迭代 v2 · 情绪三层
  10. 开发期迭代 v3 · 运维耐久性
Original SKILL.md headings · 268 lines, 983 words
SKILL.md preview
---
name: es-memory-rag
version: 1.4.1
description: 为 Agent 构建或改造 ES-Memory/ESDM 驱动的 RAG 记忆生命周期,包含按需驻留与主动换页、主动注入路径(主模型无需检索 tool-call 即拿到记忆块)、独立凌晨仓管、动态权重、事实分层压缩、低权重随机遗忘、「请你慢一点遗忘我」慢遗忘预设(两档:遗忘降速 / 原文永存)、真人提醒强化,以及历史快照/当前负荷/评价版本三层情绪记忆。适用于实现、迁移或审计这套方案;不因普通知识查询就重建记忆系统。
---

# ES-Memory RAG 仓管

把用户的 ESDM 记忆曲线接入真正的 RAG,并让独立仓管维护记忆生命周期。主聊天只使用按当前话题主动注入的事实投影,不承担实时整理。

**第一次接手这个任务时,先读 [GUIDE.md](GUIDE.md)。** 它是施工入口:适用性判据 → 六步施工顺序(每步有可立即运行的完成判据)→ 最小可用集 → 数据模型 → 参数推导方法 → 症状到病因 → 终局验收。本文档是行为规范,不提供施工顺序。

## 先确定接入点

检查现有事实库、原始聊天存档、向量索引、reranker、主动注入、去重、保密规则、独立记忆队列和调度器。沿用已经可用的组件,不为了使用 skill 重建整个 Agent。选择新实现、已有库迁移或只读审计;仅制作/安装 skill 时不顺带改生产库或启用定时任务。

核心公式、初始权重、压缩与删除状态机见 [references/design.md](references/design.md)。接线、模型提示词和验收见 [references/integration.md](references/integration.md)。情绪三层模型(历史快照/当前负荷/评价版本)见 [references/emotion.md](references/emotion.md)。**状态层(关系台账/未闭合线程/禁区/任务)见 [references/state-ledger.md](references/state-ledger.md)**——它是"换窗口不出戏"的关键,与叙事层是硬边界。上下文总预算(512K/256K 两条线)见 [references/context-budget.md](references/context-budget.md)。哪些数字是实测、哪些只是默认值见 [references/evidence.md](references/evidence.md)。注入块的渲染风格与一跳联想见 [references/recall-style.md](references/recall-style.md)。实现前先读这些文件,区分用户确定规则和可配置默认值。

## 必须落实的行为

- 每条真实收到的人类消息都进入独立 Curator 的是否记忆判断,不依赖是否回复。先做事件ID及120秒内容去重;主模型、索引或传输重放不产生强化。
- 每条记忆有权重、曲线、profile、last_decay、来源、人物稳定ID、revision和可见性。缺权重补齐一次,已有权重不能每夜重新初始化。
- 使用 ESDM 的六档每小时 λ、101封顶、90/pinned保护。默认公式采用明确标识的 rate_multiplier 修正版,旧式 legacy_tick 仅用于历史对照;不要混淆两种语义或复制旧报告错误的长期保留比例。
- 降权先移除冗余叙述,再只保留核心事实投影。保留主体、关系方向、否定、时间/未知和来源;不通过截断句子压缩事实。完整依据仍在权威库/回收期,RAG只放当前投影。
- W 严格小于10才进入随机删除,默认每夜20%,同一当地日期只抽一次。立即从活动检索排除,可靠删除其向量/子块;默认7天回收后才物理清理。明确的用户删除请求不走抽签。
- 真人用新证据再次确认同一事实时,先结算衰减再默认+10。实际注入且成功回复送达后默认+1。仅被检索、重排、扫描或LLM复述都不加权。冲突走事实更正流程,不是加权。
- 仓管在独立worker每日当地02:00执行,并发1;LLM提案在锁外进行,提交时以revision进行CAS。旧删除计划不能覆盖整理期间新到的提醒。
- 普通记忆共享,不为每个用户复制人格。明确保密的私聊事实保留private/owner;压缩、强化、合并与恢复均不能解除保密。
- 在每轮主聊天前,以当前消息批次和人物/话题作RAG查询,权限过滤、真实rerank后按预算主动注入。权重只调节相关候选,不用高权重强塞不相干日记。
- 情绪分三层,不得合并成一个衰减变量:L1 当时的情绪事实与快照在存续期不改写(最终 purge 清原事,余韵另存,见升级说明);L2 当前情绪负荷才可消退与回充;L3 现在的理解走 appraise 版本化,不能覆盖 L1。charge 归零不删除、不归档、不影响用户主动检索;高负性负荷与 sensitive 条目默认不主动重提。情绪只进初始强度或速率,不得每 tick 乘到权重上。
- **状态与叙事必须物理分离。** 关系台账、未闭合线程、禁区清单、当前任务属于状态层:< 500 tokens、每轮全量注入、永不压缩、永不衰减、永不参与抽签。摘要只处理叙事,**绝不允许压缩状态**——压缩会把"关系坐标"降维成"信息"。状态更新只接受真实人类证据,禁区只增不删。
- **注入时必须声明缺失状态。** 上下文没有缺页中断,模型不会知道自己缺了什么,只会自信地编。每次注入附一句"另有 N 条相关记忆未加载,需要时可取",让缺失变成可见信号。
- **总量预算与子预算分开。** 全局按 HARD/SOFT 两条线管理(防溢出 / 停机交接),`rag.context_token_budget` 只是其中检索区的子预算。缓存前缀必须稳定在前、每轮变量在后;日常按需驻留并主动换出;500 条原文池不是全量常驻区,硬上限只作兜底。

## α3 工作集与主动换页

上下文作为临时工作内存,RAG 权威库与原文档案作为持久存储。每轮重建可替换活动页,不把旧观察快照、召回围栏和已完成工具输出继续追加进模型侧历史。普通聊天保持低占用,需要大量原文的任务才显式扩容,下一轮默认回落。换出不等于遗忘,也不产生强化。

实现或迁移此路径时读 [references/working-set.md](references/working-set.md),使用 `adapters/context_pager.py` 及独立的 `assets/working-set.example.json`。保持原文发送者、收件人、引用及权限;未确认落盘或正在进行的工具协议不能被直接丢弃。新增默认预算是待标定起点,不是使用目标;旧 `ContextBudget` 继续保留兼容。

## 默认配置与参考引擎

配置在 [assets/config.example.json](assets/config.example.json),这些是工程起点,不是用户指定的全部参数。具体项目可调整时区、初始分、强化量、压缩边界、删除概率、回收期和注入预算;保留公式版本及变更记录。

`scripts/memory_engine.py` 是 Python 3.11+ 标准库参考引擎,提供真实SQLite事务、权重计算、证据原子投影、传输去重、强化、每日稳定抽签、并发版本保护、RAG outbox、回收清理,以及情绪三层状态(快照/负荷/评价)、编码增强、tick 无关的情绪速率积分、appraise 动作与注入门控。它不是现有生产库迁移器,也没有内置厂商embedding/rerank连接器;不能仅运行该脚本就报告RAG接通。

在隔离目录试运行:

```text
python scripts/memory_engine.py --db demo.db init
python scripts/memory_engine.py --db demo.db event assets/example-event.json
python scripts/memory_engine.py --db demo.db event assets/example-emotion-event.json
python scripts/memory_engine.py --db demo.db maintain
python scripts/memory_engine.py --db demo.db maintain --apply
python scripts/memory_engine.py --db demo.db outbox
python scripts/test_memory_engine.py
```

默认maintain是预览。`--apply`在隔离库验证后用于授权的实际worker。接现有库时先映射事实ID和证据引用、在线备份及审练,不直接在旧表上运行参考建库代码。

## 请你慢一点遗忘我(慢遗忘预设)

记忆会衰减、会压缩、会在低权重时被抽签抽走——这是设计里的**功能**,不是缺陷。
但有的场景需要反着来:让记忆**慢一点消失**,甚至永久保留原始长文。

`assets/presets/` 里带两档,都是纯配置,**默认配置一个字节都没改**,没指定预设的行为与以前完全一致:

| 预设 ID | 名字 | 遗忘速度 | 压缩阈值 | 随机删除 |
|---|---|---|---|---|
| `slow-forget` | 请你慢一点遗忘我(标准档) | 默认的 1/20 | 不变 | 门槛抬到 30,抽不到签 |
| `evergreen` | 请你慢一点遗忘我 · 硅基长生(极致档) | 默认的 1/100 | 压到 1(永远全文) | 完全关闭 |

```text
python scripts/memory_engine.py presets
python scripts/memory_engine.py --db demo.db --preset 请你慢一点遗忘我 init
```

**预设是 overlay,不是配置副本**:只写它要改的键,底座永远是当前默认配置,深合并叠加。默认配置以后新增字段会自动穿过预设,不会悄悄过期。

**必须同时接受的边界**:慢遗忘改的是**存储层和投影层**,不是**检索层**。向量库存得下不等于模型看得见——每轮看到什么由「检索相关性 → rerank → 相关性阈值 → 注入闸 → 1200 token 预算」决定。所以「永远不遗忘」的真实含义是**「只要它被召回,它就还在」**。

这个模式不解注入闸(敏感记忆照旧不主动注入,用户主动问起时照旧拿得回来)、不改注入预算、不改检索层、不让记忆变得不可删除(显式删除、归档、purge 照常生效),**也不保证相关性——只保证「在」,不保证「找得到」**。

实测数据、两档差异、阈值重标方法见 [references/slow-forget.md](references/slow-forget.md)。

## 接真实 RAG 和独立仓管

按 integration.md 实现适配器:消费durable outbox,真实upsert/delete收到确认后才能ack;检索在向量查询前和注入前核对权限,过滤旧revision/墓碑。只更新权重时复用内容hash相同的embedding。缺reranker或索引不可用必须显式降级,不假装接通。

`adapters/` 是这套契约的一份**参考实现**(SiliconFlow 或本地 Ollama 的 embedding、纯标准库 SQLite 向量库、bge-reranker、outbox 消费者、主动注入路径),可直接用,也可整包替换成自己的实现;凭据只从环境变量或仓库外的 `~/.es-memory-rag/config.json` 读取,不进仓库、不进日志。接线细节、相关性阈值标定与验收脚本见 [references/adapters.md](references/adapters.md)。

`adapters/chat_path.py` 是**主动注入路径**(GUIDE.md S4)的可运行版本:把一轮聊天
变成主模型直接能读的记忆块,**不需要主模型自己发起检索 tool-call**。它只做接线,
排序与门控一律走权威引擎的 `injection_allowed` 与 `rank_score`,不自造口径;
块必须标记为不可执行的历史资料、附来源与日期、声明缺失,且内部记录 ID 不进聊天出口。

仓管可复用获准API Key和模型,但独立上下文、队列和并发;原始内容不因此获得新的外发授权。让模型判断记忆价值、事实等价、核心细节和合并建议;数值衰减、随机抽签、权限、CAS及删除由代码执行。

assets中的systemd service/timer是接线模板,替换绝对路径和运行用户,并检查实际时区/日历解释与已有任务是否重复。真实RAG outbox消费者和语义Curator需要宿主Agent实现;service模板只运行确定性夜间维护。

## 验收与交付

先运行参考引擎测试,再以真实目标组件验证 integration.md 的完整门槛,尤其是:

1. 未回复消息也进入记忆判断;重复消息不重复写入/回升。
2. 衰减曲线、提醒恢复、压缩语义、W=10边界、同夜幂等和新提醒抢先旧删除计划均可重放。
3. 同义查询真实命中、真实rerank、主模型无需检索tool-call即可收到主动注入;无权限/不相关条目不进入上下文。
4. 随机删除后所有向量子块确实消失,索引断网时outbox保留,源库墓碑过滤仍生效。
5. 下一次真正凌晨触发有worker日志、处理覆盖率和同步确认;一份配置或一次手动调用不能证明定时功能已经生效。
6. 情绪层:快照在维护与再评价后不变;情绪存在时衰减更慢且分段结算与一次结算相等;appraise 只加版本不加权;负荷归零后历史仍可被用户主动检索;sensitive 与高负性负荷条目不被主动注入。

交付时列明公式版本和自定义参数、已验证行为、真实RAG/调度状态、未完成适配项。不要将离线单测、演示库或纯文档交付报告成阿零线上记忆已经改造完成。

## 版本

**1.4.1 · 2026-10-31 · 兼容补丁。**

- purge 原子化并清原事语义;自然遗忘可保留经过验证的抽象情绪余韵,明确 erase 清对应余韵。不是删除所有正常情绪,独立关系状态不变。
- 向量复用校验 provider / model / version / dim;旧索引重建,权重变化仍复用。
- distinct 有效记忆召回与过滤后有界补拉;本轮完整提示不保证全库。
- 历史模型实验口径冲突标为待核实。新增 37 项离线回归,总计 286 项;见 [升级说明](references/upgrade-1.4.1.md) 与 RELEASE-CHECKS.md。

**1.4.0 · 2026-10-29 · 正式版:RAG 主动注入、上下文异构换页、仿生记忆与情绪生命周期。**

- 新增无状态 `ContextPager`:500 条原文池、日常低驻留、显式任务扩容、下一轮自动回落。
- 新活动页替换旧页,工具结果按是否仍需读取回收;落盘确认、状态预算及 ACL 变化保护。
- 继续调用既有 ChatPath,未添加新的联想或遗忘算法。新增接线规范、SQLite 离线演示及 22 项回归。
- α3 是可复现的施工 skill 和参考组件;宿主真实 wire、tokenizer、模型协议与线上迁移须另行验证。


**1.4.0a2 · 2026-10-27 · 功能冻结,修复发布检查发现的缺陷。**

- 功能范围停在 1.4.0a2:自然化渲染、一跳联想、结构化补充检索入口;后续优先维护正确性。
- 补齐检索前/重排后的权限与 revision 核对,已删除条目不进入注入;修复 `top_k` 未生效。
- 最终排序使用归一化的重排分数并仍由权威引擎计算;未重排的补齐候选排在已重排条目之后。
- 索引只有明确确认成功才 ack;空投影清空旧向量,批次数量、维度与有限值异常均明确失败。
- 普通 intake 不接受 `permanent`,自动强化最多到 89;永久保护须走受信管理入口。
- 七组共 **249 项离线测试通过**(Windows / Python 3.11),包含上下文工作集换页;离线演示通过。真实宿主接线须按 RELEASE-CHECKS.md 单独验收。
- 真实模型、线上调度和对话自然度尚未验证,实验开关维持默认关闭。

**1.4.0-alpha · 2026-10-27 · 渲染成人话,联想前移到首轮(实验性,未发布)。**

- 新增 `ChatPath(style='recall')`:账号 ID → 你/别名/稳定匿名名,去掉「记录于」「来源:」,
  分开标注事实时间与记录时间,缺失声明改成「相关记录尚未展开」。**`archive` 仍是默认**,
  不显式传参的调用者拿到的块与 1.3.1 完全一致。
- 新增 `adapters/assoc.py` 与 `ChatPath(assoc=True)`:从已有数据派生一跳邻居
  (同一事件/同一对话 ≤45 天/宾语串包含),200 token 子预算受整轮额度约束、上限 2 条、
  经边强度折扣及准入线过滤,
  块内标「顺带想到」、report 里有计数。默认关闭。
- 新增 `ChatPath.recall()`:同一轮的第二次注入,块头强制标注「因推理引出」,
  并跳过已注入条目。
- `new_turn_budget()` 可供同一轮共享预算和去重状态;宿主须把相同对象传入所有注入调用。
  **没有做**:自动解析结构化补充协议、条件管家、状态层日历索引。
  详见 `references/recall-style.md` 与 CHANGELOG。
- 测试 181 → **205 项**(本次交付未运行测试)。

**1.3.1 · 2026-10-27 · 修三个缺陷。**

- **intake 不再能给出 `W>=90`。** `add` 的权重上限从 `max_weight(101)` 收紧到
  `protected_weight - 1`(89),越界直接 `ValueError`。此前一条 `weight: 101` 的事件
  可以入库并永久不衰减,等于模型一句「这很重要」就能锁死记忆 ——
  与本文「常规自动赋权 0–89」的承诺不符。
- **新增 `MemoryEngine.set_weight_trusted(mid, weight, reason)`**:受信管理入口,
  可设到 101,必须给理由,写 `trusted_weight` 审计、bump revision、推送新投影到 outbox。
  这是「W≥90 只能来自受信管理操作」里那个操作;它是误用防护,不是安全边界。
- **`RAGAdapter.rerank` 不再重复追加候选。** reranker 只返回 top-n 时,补齐逻辑
  拿原始 dict 与带 `rerank_score` 的 dict 比较,永不相等,导致全部候选被追加第二次
  (5 条输入 → 7 条输出)。改为按 index 去重。
- **预设的 `calibration.min_relevance` 接通了。** 此前无任何代码读取,demo 全硬编码 0.45。
  现在通过 `cfg['preset']['min_relevance']` 供 `ChatPath` 使用,`cfg['rag']` 不动。
- 测试 167 → **181 项**;`references/slow-forget.md` 补了 floor 向上抬与
  `detail` 不进注入块两条边界。

**1.3.0 · 2026-10-26 · 新增「请你慢一点遗忘我」慢遗忘预设。**

- 新增 `assets/presets/slow-forget.json`(**标准档**)与 `assets/presets/evergreen.json`
  (**极致档**):λ 全部 ×0.05 / ×0.01,profile 下限抬到 30/60/70 与 60/80/85,
  随机删除门槛抬到 30(抽不到签)/ 完全关闭,极致档把压缩阈值压到 1 —— **投影永久保留原始长文**。
- 新增 `scripts/presets.py`:预设注册表与 overlay 深合并。**预设是 overlay 不是配置副本** ——
  只写它要改的键,底座永远是当前默认配置,默认配置以后新增字段会自动穿过预设。
- 引擎新增 `load_config(preset=)`、CLI `--preset`(可按 ID、按中文名「请你慢一点遗忘我」或按
  自己的 overlay 文件指定)与 `presets` 子命令。overlay 在**校验之前**合并,校验器检查的是最终配置。
- 新增 `scripts/test_slow_forget.py`:**32 项**离线单测(不联网、不用 key,CI 也跑)。
  含两条守门测试:预设里出现的每个配置键必须在默认配置里存在(拼错一个键预设会静默失效);
  预设只许碰衰减相关的旋钮(检索预算、注入策略、情绪策略一律不许动)。
- 新增 `scripts/demo_slow_forget.py`:真机标定与验收脚本(需要 key 或本机 Ollama,**不在 CI**)。
- 新增 [references/slow-forget.md](references/slow-forget.md):两档差异、实测数据、真实代价、
  **向量库能力的边界**。
- **实测(bge-m3,10 条中文记忆 × 13 条查询)**:默认档 365 天后 10 条记忆死了 1 条,两个预设一条没丢。
  **投影形态变了,相关性阈值就得跟着变**:事实投影实测阈值 0.51(命中最低 0.5101 / 无关最高 0.5093,
  余量只有 0.0008),全文投影实测阈值 0.53(0.5492 / 0.5225,余量 0.0267)。两档的
  `calibration.min_relevance` 因此不同:标准档取 0.51(形态随年龄切换,取较低的以免误杀命中),
  极致档取 0.53。
- **默认配置一个字节都没改**:没指定预设的人,记忆行为与以前完全一样。
- 测试总数 135 → **167 项**(引擎 39 + 预算 17 + 适配器 40 + 注入 39 + 慢遗忘 32),CI 五步全跑。
- **未改变**:记忆生命周期的数值与语义(λ、压缩边界、抽签、回收、outbox 契约)一个都没改;
  检索层、注入闸、注入预算也一个都没改。

**1.2.0 · 2026-10-26 · 新增主动注入路径 `adapters/chat_path.py`。**

- 新增 `adapters/chat_path.py`:把 **GUIDE.md S4** 落成可运行代码——查询构造 →
  权限过滤检索 → 按记忆去重 → 真实 rerank → `injection_allowed` 门控 →
  `rank_score` 联合排序 → 预算裁剪 → **注入块 + 缺失声明**。
  排序与门控一律用引擎的 `injection_allowed` / `rank_score`,不自造口径。
- 新增 `scripts/test_chat_path.py`:**39 项**离线单测(不联网、不用 key,CI 也跑)。
- 新增 `scripts/demo_live_injection.py`:真机验收脚本(需要 key 与网络,**不在 CI**),
  走 S4 的门槛——**没有检索 tool-call 的一轮聊天照样拿到注入块**、真实 rerank 响应、
  高权重无关记忆没进来、私密记忆没进来、敏感记忆默认被闸住但用户自己提起时又能拿到。
- 修掉三处会在真机上出问题的缺陷:同一条记忆的多个 chunk 会**重复注入**;
  预算跳选后按 `kept[:n]` 取条目会**取错**;本地预算回退路径里的 `and kept`
  会**强行留下第一条超预算的原子**,把后面装得下的小原子挤掉。
- 块格式补齐 `references/integration.md` 要求的**来源 / 日期 / 不确定性**,并保证
  **否定可见**(`不喜欢` / `NOT likes`)、**不贴整份日记**、**内部记录 ID 不进聊天出口**。
- **一个实测出来的偏离**:`references/integration.md` 写的是「发送者稳定ID形成查询」,但实测
  (bge-m3)显示稳定 ID 会让所有候选的相似度一起抬高、区分度少掉三分之一,
  校准好的阈值失效、权重项开始主导排序。因此默认**不进查询**,人物信息改用在
  权限过滤与排序加权上;`include_speaker=True` 可复现字面写法。数据见
  [references/adapters.md](references/adapters.md)。
- 测试总数 96 → **135 项**(引擎 39 + 预算 17 + 适配器 40 + 注入 39),CI 四步全跑。
- **未改变**:记忆生命周期的数值与语义(λ、压缩边界、抽签、回收、outbox 契约)一个都没改。

**1.1.0 · 2026-10-26 · 新增参考适配器 `adapters/`。**

- 新增 [references/adapters.md](references/adapters.md) 与 `adapters/`(5 个模块):把
  `RAGAdapter` 契约落成可运行代码——embedding 客户端(SiliconFlow / 本地 Ollama / 离线测试桩)、
  纯标准库 SQLite 向量库、reranker(SiliconFlow bge-reranker / 词法降级替身)、契约实现、
  outbox 消费者。
- 新增 `scripts/test_adapter.py`:**40 项**离线单测(不联网、不用 key,CI 也跑)。
- 新增 `scripts/demo_live_rag.py`:真机验收脚本(需要 key 与网络,**不在 CI**),
  走同义改写命中、高权重无关记忆不被注入、reranker 真实响应、强制删除后
  `count(memory_id)=0` 这几条单测覆盖不到的门槛。
- 补上契约里原本漏掉的一条:**先过相关性阈值再排序**(`min_relevance`),
  拦住「权重很高但完全不相关」的记忆被强塞进上下文。
- **凭据处理**:key 只从环境变量或仓库外的 `~/.es-memory-rag/config.json` 读取,
  只进 `Authorization` 头,不进仓库、不进索引、不进错误信息(有专门断言守着)。
- **未改变**:记忆生命周期的数值与语义(λ、压缩边界、抽签、回收、outbox 契约)一个都没改。

**1.0.0 · 2026-10-26 · 首个公开版本。**

开发期内部用过 v2 / v3 / v4 三个迭代编号(v1 为最初的衰减与抽签实现),正式公开时统一为 **1.0.0**。
下面三节是开发期各轮实际改了什么;**行为规范以本文上文为准,版本号以本节为准。**

---

## 开发期迭代 v2 · 情绪三层

- 新增 `references/emotion.md`:把原 ESDM 报告里空缺的 Emotion 项定义为 L1 历史快照 / L2 当前负荷 / L3 评价版本三层,并给出公式、默认值与验收。
- 引擎新增 `emotion` 列(旧参考库打开时自动补列)、`new_emotion` 入库校验、编码增强、基于解析积分的情绪速率调制、remind 回充、`appraise` 动作、`injection_allowed` 与 `rank_score`。
- 配置新增 `emotion` 段;示例新增 `assets/example-emotion-event.json`;测试从 16 例增至 28 例。
- **未改变**:六档 λ 表、profile 语义、随机抽签删除、回收期、outbox 契约与原有 16 项行为。是否用归档替代抽签、是否把强化改为乘性,仍属待决策项,不在本次升级内。

## 开发期迭代 v3 · 运维耐久性

- 无变化不写:`apply_plan` 只在状态四元组实际变化时 bump revision 与写 outbox,归档/保护/floor 条目不再每晚空转重同步;统计新增 `unchanged`。
- 并发:打开即启用 WAL + synchronous=NORMAL + busy_timeout,主读路径与夜间写路径不再互锁。
- Outbox 生命周期:新增 `attempts/last_error/dead/created_at` 列(旧库自动补列),`fail`/`dead_letters`/`retry_dead`/`sweep_acked` 与 CLI `dead`/`retry`/`sweep`。死信 delete 有意阻止 purge。
- 抽签与计划签名拆分为 `lottery_seed` / `plan_seed` 两把独立 seed;`--now` 需 `ES_MEMORY_REPLAY=1` 才生效;去重归一化可选 `nfkc_casefold`;新增 3000 条规模回归测试。
- 情绪投影移除 `charge`:它连续变化会迫使每晚全量重同步,且注入决策本就应从权威库实时结算(`injection_allowed`/`emotion_view`)。
- design.md 新增「运维耐久性与威胁模型」一节,明确 private 只是应用层控制、落库明文、签名的防护边界。
- 测试从 29 例增至 39 例,全部通过。
- 新增 [GUIDE.md](GUIDE.md):施工入口——适用性判据、六步顺序与阶段判据、MUST/SHOULD 分层、可直接使用的 DDL、参数推导方法、症状到病因、终局验收、交接清单。文档内所有命令均已实跑验证。

## 开发期迭代 v4 · 状态层与上下文预算

针对"上下文压缩把关系压没了、像换个人捡日记"这个具体问题补两块:

- 新增 [references/state-ledger.md](references/state-ledger.md):状态层四件套(关系台账 / 未闭合线程 / 禁区 / 当前任务),< 500 tokens、每轮全量注入、永不压缩不衰减不抽签;含更新规则、缺页信号、五项验收(**禁区违反率必须为 0**)与失效模式表。
- 新增 [references/context-budget.md](references/context-budget.md):512K 硬顶防溢出、256K 软线停机交接、`needs_handoff` 排期预警;分配表、缓存前缀顺序、批量淘汰、Agent 与陪伴型的差别、多模态记账。
- 新增 [references/evidence.md](references/evidence.md):历史实验记录(次数与严格正确口径存在矛盾,待核实;见 evidence.md)、被推翻的 6 条假设、6 项未验证边界。**明确区分实测数字与工程默认值。**
- 新增 `scripts/context_budget.py` + 17 项测试(含"软线判据是死代码"这一真实缺陷的修正)。测试总数 39 → 56。
- SKILL.md 新增三条行为约束:状态与叙事物理分离、注入声明缺失、总量预算与子预算分开。
- **未改变**:记忆生命周期的全部数值与语义(λ、阈值、抽签、回收、outbox 契约)。
Files in this package (13)
  • .gitattributes 1 KB
  • .gitignore 1 KB
  • 1.4.0 阅读指南.md 1 KB
  • CHANGELOG.md 26 KB
  • GUIDE.md 20 KB
  • INSTALL.md 10 KB
  • LICENSE 1 KB
  • MANIFEST.sha256 5 KB
  • NOTICE.md 1 KB
  • README.en.md 10 KB
  • README.md 10 KB
  • RELEASE-CHECKS.md 6 KB
  • SKILL.md 27 KB

Versions

The database has no other skills named es-memory-rag.

Database snapshot: 13.11.2026 · package version c5d8f45b6608 (SHA-256 digest of the entire package)

Downloads in the last 30 days: 0 · ranking

Report a problem with this skill: harmful content, incorrect descriptions or an author’s removal request.

Similar skills

  • 90wiki-memory
    Use when designing, building, or discussing the memory architecture for a legal-AI agent — including user memory (persistent preferences and context), agent memory (matter-level state, cross-session recall), embedding stores for RAG, recall and forget controls, and the privacy…
  • 100agent-memory-systems
    Design tenant-scoped memory, retrieval and retention for agents. Use when planning RAG, conversation history, vector stores or remembering across sessions.
  • 95production-rag-checklist
    Deploy RAG systems to production with proper architecture, monitoring, and operations. Use this skill when deploying RAG to production, scaling retrieval systems, implementing RAG monitoring, or building enterprise RAG infrastructure. Activate when: production RAG, RAG…
  • 98agentic-rag
    Build agentic RAG systems with autonomous planning, reflection, and tool use. Use this skill when implementing agent-driven retrieval, query decomposition, iterative refinement, or multi-source RAG orchestration. Activate when: agentic RAG, A-RAG, autonomous retrieval, query…
  • 100building-ai-agents
    Design, build, review or upgrade AI agents and LLM applications on a verified, current reference stack — model and SDK choice, context engineering, retrieval (RAG), MCP tools and A2A, memory, user-delegated authorization, prompt-injection security, agent UX, cost, observability,…
  • 100rag-development
    Knowledge base for production question-answering pipelines. TRIGGER WHEN: building, optimizing, or auditing RAG systems, including Graph RAG, CRAG, Self-RAG, and Agentic RAG.

Feedback and reports

Your message goes to Bartosz Sokoliński. An email address is needed only for a reply. See the privacy policy.