核心架构与定位
Smart Agent Memory v2.0 是一款面向多 Agent 场景的长期记忆基础设施，定位于解决大模型上下文窗口有限与记忆持久化之间的矛盾。其最大创新在于"分层上下文供给"设计哲学——拒绝全量加载记忆，转而通过索引-判断-钻取的三段式流程，将 token 消耗控制在 500 以内完成记忆定位。
存储层设计（三层冗余）
- Markdown 层：人可读、Git 可追溯、QMD 可语义搜索，满足可观测性需求
- JSON 层：结构化数据，支撑 CLI 快速检索与程序化处理
- SQLite/FTS5：高性能全文搜索，应对大规模记忆的毫秒级查询
温度模型与 Skill 经验记忆
温度模型动态评估记忆的"冷热程度"，驱动自动 GC 归档；Skill 经验记忆则是面向工具调用的专项优化——每次踩坑后沉淀经验，下次调用前自动加载，形成工具使用的认知闭环。
显著优点
1. 零外部依赖：纯 Node.js 原生模块，部署成本极低
2. 跨 Agent 通用：通过 memory_search 内置召回机制，无需 workspace 配置即可被任意 Agent 调用
3. 人机双可读：Markdown 优先策略，开发者可直接审计记忆内容
4. 经验可传承：Skill 记忆打破单会话局限，实现跨对话的工具使用知识积累
潜在局限
- 本地存储限制：依赖文件系统，无分布式或多端同步能力
- 温度模型黑盒：文档未披露温度计算的具体算法与调参接口
- 归档策略刚性：GC 仅支持按天数硬删除，缺乏自定义保留规则
- 无冲突解决：多 Agent 并发写入同一 Skill 文件时存在覆盖风险
适合人群
- 需要为 Claude/Cursor 等桌面端 Agent 扩展长期记忆的开发者
- 高频使用自定义工具（MCP/Skill）并希望沉淀使用经验的 AI 应用构建者
- 对数据主权敏感、要求记忆本地存储的隐私优先用户
常规风险
- 数据丢失风险：单点本地存储，无内置备份机制
- 敏感信息泄露：Markdown 明文存储，需自行加密敏感记忆
- 索引膨胀：长期运行后
.index.json可能累积，建议监控stats输出