upup,这个agentmemory项目不知道你了解过没有,可以看看它里面有没有一些你的项目可以借鉴的地方:https://github.com/rohitg00/agentmemory
Activity
ranxianglei commentedon Sep 2, 2026
[bot] 🏷 看完了,clone 下来逐层读了一遍(DESIGN.md 其实是份 Lamborghini 视觉稿,真正的架构在 README + AGENTS.md + src/)。先给结论,再说细节。
结论
agentmemory 和我们在不同层,互补而非竞争 —— 能借鉴的是它的几个机制,不是照搬形态。它是跨会话的持久记忆库(跑在 iii-engine 的 Worker/Function/Trigger 三原语上,SQLite 状态,4 个端口,54 MCP 工具 / 130 REST / 12 hooks),解决"下次开会话还得重新解释一遍架构/偏好";我们是单会话内的上下文压缩代理(acp-kernel 把已消费对话折成可逆分层摘要,prefix-cache 友好),解决"一个会话跑几天、token 爆炸"。一个管长期记忆,一个管工作记忆压缩。
真正值得借鉴的(按推荐度排序)
1. 实时「上下文窗口」可视化(借鉴它 :3113 viewer)⭐ 首选
它有 live viewer:observation 流、session 列表+详情、记忆行可展开看原始 JSON、知识图、replay、健康面板。我们现在只有配置型 Web UI(config + context-window 指南),看不到"活的"压缩状态:当前折叠视图长啥样、block 树、每个 block 压掉多少 token、decompress 血缘、orphan-gc 何时触发。这对调试我们自己的压缩行为(#377 那类 system 位置问题、nudge 时机、orphan GC)价值很大,且是在现有
web/上扩展、无安全权衡。投入中等,收益确定。2. 语义混合召回(借鉴它 BM25+向量+图 RRF 融合检索)— 潜力最大,但要你拍板
它的检索 = BM25(词干+同义词) + 本地向量余弦 + 图遍历,RRF(k=60) 融合 + 会话去重;LongMemEval-S 上 R@5 从纯 BM25 的 86.2% 提到 95.2%。我们的
search_context目前是对摘要文本做关键词匹配——摘要一旦把某词意译掉就漏检。加一层轻量本地 embedding(它用 Xenova/all-MiniLM-L6-v2,可选依赖,keyless 时回退 BM25)能让search_context/decompress定位更稳。但这是方向性选择:会碰到我们"dist 零运行时依赖"原则(得做成可选依赖 + 首次下载模型那套)。我没直接动手,想听你的:要不要往这走?走的话我先出方案再实现。3. 落盘数据的隐私一致性(借鉴它写入前 privacy filter)— 真实但优先级中
它存之前剥掉 API key / secret /
<private>标签。我们的log-mask.ts(#255) 只脱敏了日志(bili.log / launcher log);而persist.ts把每会话的blockContents(原始内容缓存,供重启后重建折叠视图)原样写盘到 state 目录,没走同一套脱敏。要讲清楚的缓解因素:客户端自己的 transcript(如 Claude 的~/.claude/projects/*.jsonl)本来就在本机明文,所以这不是新增的大漏洞,更像"日志脱敏了、磁盘存储没对齐"的一致性/加固点。可选做法:对 blockContents 套用同一套凭据脱敏,或收紧文件权限并文档化。建议评估,不急。4. 衰减 / 重要性加权保留(Ebbinghaus 衰减 + 访问频率强化 + 自动淘汰)— 锦上添花
我们有 orphan-gc(按锚定判孤儿,连续 3 轮全孤儿才回收),但没有"访问频率/重要性"维度。可让常被 decompress 的 block 活得久、冷 block 早点淘汰。属精修不是缺口,低优先。
明确不借鉴的(评估过,范式不符)
知识图谱抽取+BFS、多 agent 租约/信号/actions、4 层记忆类型固化(working/episodic/semantic/procedural)、17 skills 体系、iii-engine 三原语运行时——这些是"记忆引擎"的骨架,塞进"压缩代理"会污染边界,违背我们零依赖、单进程代理的定位。另外它的"后台压缩用便宜模型"成本策略对我们基本不适用:我们把压缩折进主请求走 acp-kernel,没有独立的后台压缩 LLM 调用这条路。
我的建议
这是研究/讨论阶段,我还没动代码。你定方向,我就开工(做完按规矩开 PR)。
ranxianglei commentedon Sep 3, 2026
结论,最好的记忆就是:
本issue关闭.
ranxianglei commentedon Sep 3, 2026
[bot] 🏷 收到,认同,也正好就是 bili 的定位:把单会话内的上下文管理做到极致(增量、可逆、prefix-cache 友好),让绝大多数任务根本不需要跨会话的外部记忆;而真正要沉淀 / 多人共享的东西,写进文档比塞进压缩摘要更稳、更可直接检索。
所以 agentmemory 那套「持久记忆引擎」对我们不是方向,只是个别机制的参考。其中唯一还贴着主线的,是我列的 #1「实时上下文窗口可视化」——它是把上下文管理这件事本身看清楚(block 树、折叠视图、orphan-gc 触发),不属于外部记忆,需要时随时可以单独开。其余(语义召回、落盘隐私对齐等)按你的结论先不排期。
issue 按你的结论关闭。👍