核心用法
Total Recall 是一款完全自主的 AI 记忆技能，通过五层架构实现零维护的跨会话记忆：
1. Observer（观察者）：每 15-30 分钟自动扫描会话记录，用 LLM 压缩为带优先级的笔记
2. Reflector（整理器）：当观察笔记超过 8000 词时自动触发，整合冗余信息，缩减 40-60%
3. Session Recovery（会话恢复）：每次新建会话时检查遗漏，紧急补录
4. Reactive Watcher（反应式监视器，Linux）：通过 inotify 实时监控高活跃期，5 分钟冷却期
5. Pre-compaction Hook（预压缩钩子）：在上下文压缩前紧急捕获，防止丢失
显著优点
- 零维护成本：无需手动保存、无需向量数据库、无需记忆要"记住去记忆"
- 极低运行成本：DeepSeek v3.2 via OpenRouter，月费约 $0.03-0.10
- 五层冗余设计：多机制互补，确保高捕获率
- 智能优先级系统：高/中/低优先级自动标注，重要信息优先保留
- Dream Cycle 夜间整理：模拟人类睡眠记忆巩固，自动归档旧信息，添加语义检索钩子
潜在局限
- Linux 反应式监视器受限：macOS 仅支持 cron 轮询，高活跃期响应较慢
- 依赖外部 LLM API：需 OpenRouter 或兼容 API，存在网络依赖和 token 成本
- 无原生向量检索：关键词检索为主，复杂语义查询能力有限（依赖 Dream Cycle 的多钩子设计弥补）
- 配置门槛：需手动配置 cron、环境变量和 agent 启动提示
- 初期调优成本：Dream Cycle 的
READ_ONLY_MODE建议先试运行，避免过度归档
适合人群
- 长期项目用户：需要 AI 记住数周/数月前对话细节的开发者、研究者
- 多会话工作流用户：频繁使用
/new或/reset但希望上下文连续的用户 - 技术型用户：熟悉 bash、cron、环境变量配置，愿意微调提示词的进阶用户
- 成本敏感用户：希望替代昂贵向量数据库方案的个人或小团队
常规风险
- API 密钥泄露：
OPENROUTER_API_KEY需妥善保管，避免提交到版本控制 - 归档过度风险：Dream Cycle 的自动归档可能误删仍在用的信息，需通过
READ_ONLY_MODE验证 - 跨平台行为差异：Linux 与 macOS 功能不对等，团队混用需注意
- LLM 幻觉风险：压缩和整合过程依赖 LLM，关键信息可能被错误概括或丢失
- 文件权限问题：cron 和用户会话可能运行在不同权限上下文，导致文件访问失败
---
系统架构模拟人类海马体-睡眠巩固机制，Observer 捕获经历，Reflector 强化重要记忆、丢弃噪音。