Goldentrii/AgentRecall-X

解决的问题

AgentRecall 为 AI 代理提供了一个长期记忆系统，特别专注于从人类修正中学习。大多数记忆工具仅关注信息检索，而 AgentRecall 会追踪修正是否真的在不同会话中改变了代理的行为，防止代理重复同样的错误。

工作原理

该系统实现了一个“学习循环”，由受控的修正日志和测量工具组成。它将记忆分为五个不同层次：情景记忆（会话日志）、语义记忆（主题聚类的事实）、程序性记忆（IF-THEN 规则）、叙事记忆（项目阶段）和修正记忆（行为校准规则）。

通过 MCP 服务器、SDK 或 CLI 与代理集成，采用基于会话的工作流：/arstart 加载上下文，/arrecall 搜索知识，/arsave 保存并累积学习，/arreflect 统合记忆。检索通过关键词匹配和 Reciprocal Rank Fusion (RRF) 的组合处理，支持可选的向量搜索。

适用人群

使用 AI 代理（特别是 Claude Code、Cursor、Windsurf 或 VS Code）的开发者，希望代理能在项目和会话之间持续记住用户偏好和技术修正。

主要亮点

• 行为测量： 追踪“注意率”和“幻影梯度步”以量化修正是否真正停止了错误。
• 多层记忆： 采用受认知心理学启发的分类法，将数据组织为日志、房间、技能和意识。
• 本地优先： 默认将所有记忆存储为本地 markdown 文件，确保隐私且零云依赖。
• 自动整合： 包含可选的“梦境”模式，用于夜间自主模式挖掘和记忆衰减管理。
• 作战室仪表板： 本地优先的可视化界面，用于监控代理学习和项目状态。