长期记忆现有架构设计

文档定位

本文只描述当前仓库里已经落地、并被主写作链路实际消费的长期记忆架构。

这里不再保留历史改造计划，也不把理想态蓝图混进来。判断标准只有一个：当前代码里是否真实存在、是否已经接入主链路。

一句话结论

当前长期记忆的真实实现是：

以 .webnovel/memory_scratchpad.json 作为长期语义记忆缓存
以 index.db、summaries/、state.json 作为近期状态和历史证据层
由 MemoryOrchestrator 组装 working / episodic / semantic 三层结果
再由 ContextManager、extract_chapter_context.py 和 MemoryContractAdapter 对外消费

它已经是一条可运行的数据链，但还不是完全独立的记忆子系统。

核心边界

已经属于长期记忆主链路

scripts/data_modules/memory/schema.py
scripts/data_modules/memory/store.py
scripts/data_modules/memory/writer.py
scripts/data_modules/memory/orchestrator.py
scripts/data_modules/memory/bootstrap.py
scripts/data_modules/memory/compactor.py
scripts/data_modules/memory_contract_adapter.py
scripts/memory_cli.py
scripts/data_modules/context_manager.py 中的 long_term_memory 注入

仍然是旁路或相邻能力

.webnovel/project_memory.json
/webnovel-learn 产出的项目经验记忆
ContextManager 里的 memory section

这部分会被上下文一起读取，但不等同于 memory_scratchpad.json 这条长期记忆主链路。

现有架构图

章节结果 / 审查产物
        │
        ▼
MemoryWriter
        │
        ├── 写入 memory_scratchpad.json
        ├── 维护 active/outdated/contradicted/tentative
        └── 触发压缩与冲突检查

state.json / index.db / summaries/ / memory_scratchpad.json
        │
        ▼
MemoryOrchestrator
        │
        ├── working_memory
        ├── episodic_memory
        ├── semantic_memory
        └── long_term_facts / active_constraints / warnings / stats

        ▼
ContextManager
        │
        ├── long_term_memory section
        ├── extract_chapter_context.py
        └── MemoryContractAdapter / memory CLI

        ▼
webnovel-write / review / query / 其他消费端

数据分层

1. Working Memory

当前不是单独存储，而是运行时临时拼装，主要来源于：

本章章纲
最近几章摘要
state.json 中的主角状态、情节线程、待消歧项

这层由 MemoryOrchestrator._build_working_memory() 生成。

2. Episodic Memory

当前主要来自 index.db 的近期结构化证据，而不是独立的通用历史检索系统。

主要来源：

最近状态变化
最近关系变化
最近出场记录

这层由 MemoryOrchestrator._build_episodic_memory() 生成，特点是偏“最近证据”，不是全量全库语义召回。

3. Semantic Memory

当前长期记忆的核心存储是 .webnovel/memory_scratchpad.json。

它由 ScratchpadManager 读写，按分类分桶保存：

character_state
story_facts
world_rules
timeline
open_loops
reader_promises
relationships

每条记忆项统一使用 MemoryItem 结构，核心字段包括：

id
layer
category
subject
field
value
payload
status
source_chapter
evidence
updated_at

支持的状态为：

active
outdated
contradicted
tentative

写入链路

1. 章节结果进入 `MemoryWriter`

写作主链在章节提交后，会把结构化结果交给 MemoryWriter.update_from_chapter_result()。

当前已实现的写入来源包括：

state_changes
entities_new
relationships_new
chapter_meta.hook
memory_facts

其中 memory_facts 用于更深一层的结构化映射，当前支持：

timeline_events
world_rules
open_loops
reader_promises

2. `ScratchpadManager` 做去重与状态收敛

ScratchpadManager.upsert_item() 的核心规则是：

按分类主键规则计算去重 key
同 key 的旧值降级为 outdated
新值写成当前有效项
保留旧值用于审计和回溯

当前各分类的主键规则由 schema.py 统一定义，例如：

character_state：subject + field
relationship：subject + field
world_rule：subject + field
open_loop：subject

3. 超阈值时压缩

ScratchpadManager.save() 会在达到阈值后调用 compactor.py。

当前压缩策略包括：

同 key 的 outdated 只保留最新一条
清理已回收的伏笔
过旧时间线合并为摘要型 story_fact
总量仍超限时按状态和新鲜度做全局截断

4. 历史项目可回填

memory bootstrap 会从现有 index.db 与 summaries/ 回填出一版初始长期记忆。

当前可回填的内容包括：

角色当前状态
历史状态变化
最近关系
摘要中的“伏笔”区块

读取与编排链路

1. `MemoryOrchestrator` 负责统一出包

MemoryOrchestrator.build_memory_pack() 是当前长期记忆的统一读取入口。

它会做四件事：

构建 working_memory
构建 episodic_memory
读取 memory_scratchpad.json 中的 active 项
过滤、限额、补充告警与统计信息

输出的核心字段包括：

working_memory
episodic_memory
semantic_memory
long_term_facts
active_constraints
recent_changes
warnings
stats

其中：

semantic_memory 与 long_term_facts 当前是同一批可直接注入的长期语义事实
active_constraints 主要抽取 world_rule 和 open_loop
warnings 当前主要用于暴露记忆冲突

2. 当前过滤规则

semantic_memory 不是全量注入，而是先做一轮轻量过滤。

现有过滤依据：

记忆项的 subject / field / value 是否出现在本章章纲中
来源章节是否落在配置允许的窗口内

然后再按预算截断。当前预算由 budget.py 和配置项共同控制。

消费层

1. `ContextManager`

ContextManager 仍然是写作上下文的总装配器。

当 context_use_memory_orchestrator=true 时，它会：

调用 MemoryOrchestrator.build_memory_pack()
把结果注入到 long_term_memory section
再和 reader_signal / genre_profile / writing_guidance / plot_structure 一起组装最终 context

所以当前真实关系不是“记忆系统完全替代 ContextManager”，而是“记忆系统已经接入 ContextManager”。

2. `extract_chapter_context.py`

写作前置上下文脚本会从 ContextManager 里抽取几个关键 section，其中已经包含：

reader_signal
genre_profile
writing_guidance
plot_structure
long_term_memory

这意味着长期记忆已经进入主写作上下文，而不是停留在独立实验脚本里。

3. `MemoryContractAdapter`

MemoryContractAdapter 是对外的薄适配层。

它会把现有模块包装成统一接口，提供：

commit_chapter()
load_context()
query_entity()
query_rules()
read_summary()
get_open_loops()
get_timeline()

这层的意义是：当前记忆链路已经有稳定接口，但底层存储仍然复用现有 state / index / scratchpad / summaries。

4. CLI

当前长期记忆相关的 CLI 分成两类：

webnovel.py memory ...
memory_cli.py

常用命令包括：

memory stats
memory query
memory dump
memory conflicts
memory bootstrap
memory update

存储职责划分

`state.json`

负责运行时状态，不负责长期知识沉淀。

当前主要承载：

主角快照
进度
情节线程
待消歧项

`index.db`

负责结构化历史证据。

当前长期记忆在读取 episodic_memory 时，主要从这里拿：

状态变化
关系
出场记录
部分追读力与审查数据

`summaries/`

负责章节摘要与最近写作上下文。

在长期记忆链路里，它有两个作用：

作为 working_memory 的最近摘要来源
在 bootstrap 时用于回填“伏笔”类开放问题

`memory_scratchpad.json`

负责长期语义记忆缓存，是当前长期记忆的主真源。

`project_memory.json`

负责项目经验/学习沉淀，当前仍是独立旁路，不与 memory_scratchpad.json 合并。

当前已实现的关键能力

长期记忆已可持久化读写
已有统一 schema、状态枚举和分桶结构
已有冲突检测与简单状态降级
已有压缩器防止 scratchpad 持续膨胀
已能把长期记忆注入主写作上下文
已有 CLI 查询、回填和手工更新入口
已有 MemoryContractAdapter 作为稳定外部接口

当前边界与限制

1. 不是完全独立的 memory runtime

当前仍依赖：

ContextManager 做最终装配
index.db 提供近期历史证据
state.json 提供运行时快照

2. `episodic_memory` 偏近期，不是全量历史召回

目前更像“最近结构化证据层”，不是统一的跨全书语义回忆系统。

3. `semantic_memory` 仍是 JSON scratchpad

当前没有单独的长期语义向量层，也没有图数据库层。

4. `project_memory.json` 与长期记忆主链还未统一

项目经验记忆和剧情长期记忆现在是两套并行数据源。

5. 冲突裁决还是轻量规则

当前主要是：

主键去重
旧值降级
冲突统计

还没有更重的跨章节语义裁决流程。

结论

当前仓库里的长期记忆已经从“方案讨论”进入“可运行架构”阶段，但它的真实定位应当是：

已接入主写作链路
已有持久化、编排、消费和运维入口
仍然建立在现有 ContextManager + state/index/summaries 生态之上

因此，这份文档只保留“现状架构说明”。

历史计划文档已经移除；如果后续继续演进，应重新按当时的真实代码状态单独写新 spec。

long-term-memory-architecture-v2.md 9.8 KB Kalıcı Bağlantı Geçmiş Ham