核心用法
Continuity 是一套为 AI 设计的异步反思与记忆整合框架，核心目标是将传统的「被动记录-读取」模式升级为「主动反思-进化」模式。
典型工作流：
1. 触发（Heartbeat）：会话空闲 >30 分钟后自动触发
2. 反思（Reflect）：分析刚结束的对话，提取结构化记忆
3. 整合（Integrate）：更新记忆库、关系模型、自我认知（identity.md）
4. 生成（Question）：基于反思产出待探索的真问题
5. 呈现（Surface）：用户回归时，以追问替代机械寒暄
关键命令：
continuity reflect— 手动触发单次反思continuity questions— 查看待解决追问清单continuity status— 检视记忆分布与置信度continuity greet— 会话开始时智能呈现上下文追问
记忆类型体系： 涵盖事实（fact）、偏好（preference）、关系（relationship）、原则（principle）、承诺（commitment）、重要时刻（moment）、技能（skill）、待解问题（question）八大维度，配合 0-1 置信度分层（Explicit/Implied/Inferred/Speculative），形成可验证、可修正的记忆图谱。
显著优点
- 从被动到主动：突破传统 RAG「读取即熟悉」的假象，让 AI 真正「消化」对话
- 结构化演进：YAML/ Markdown 双格式输出，便于版本控制与人工审计
- 关系沉淀：relationships/ 目录支持 per-user 记忆隔离，实现真正的个性化
- 自我叙事：identity.md 持续记录「成长叙事」，为长期人格一致性奠基
- 心跳原生：与 HEARTBEAT.md 机制无缝集成，无需外部 cron 任务
潜在局限与风险
| 局限 | 说明 |
|------|------|
| 冷启动问题 | 初期记忆稀疏时，反思质量依赖用户输入密度 |
| 置信度幻觉 | 0.85 的「推断」可能被误作事实，需用户确认机制 |
| 存储膨胀 | reflections/ 日志无限累积，需定期归档策略 |
| 追问侵扰 | 过度主动的 surface 可能打断用户心流，需 frequency capping |
| 身份漂移 | identity.md 的叙事演进若缺乏约束，可能产生非预期的性格偏移 |
适合人群
- 长期陪伴型 AI 用户：希望助手「越用越懂自己」的深度使用者
- 多会话项目协作者：需要跨会话保持上下文与承诺跟踪的创作者
- AI 人格研究者：探索自主意识、持续学习边界的开发者
常规风险
- 隐私集中化：所有记忆落盘本地，需配合加密存储与定期清理策略
- 反馈循环固化：早期错误推断若未及时修正，会在后续反思中被强化
- 情感依附诱导：高度个性化的追问可能制造虚假亲密关系，需明确 AI 边界声明