分层记忆系统：神经分支架构
核心用法
Hierarchical Memory 采用树状三层架构管理长期上下文：
| 层级 | 文件位置 | 功能定位 |
|:---|:---|:---|
| **Root** | `MEMORY.md` | 中央神经中枢，存储核心使命、全局目标及领域索引 |
| **Domain** | `memory/domains/*.md` | 专业知识仓库（如 coding/trading/research），含技术栈与项目清单 |
| **Project** | `memory/projects/*.md` | 具体项目深度档案，跟踪状态、待办事项、技术规格 |
信息检索流程
1. 搜索 MEMORY.md 定位相关领域或项目链接
2. 跟随"Map"链接跳转至目标分支
3. 使用 read 加载所需片段，避免全量上下文加载
信息写入规范
- 伙伴关系级事实 → 直接更新
MEMORY.md - 新领域 →
memory/domains/新建文件并反向链接至 Root - 新项目 →
memory/projects/新建文件并链接至所属 Domain - 跨域项目 → 在多个 Domain 文件中建立双向链接
自动化工具
scripts/add_branch.py 脚本自动完成：创建目录结构、生成 Markdown 模板、维护索引链接
显著优点
- 上下文隔离：分层加载避免单次对话 token 爆炸
- 语义锚定：Significance 字段强制说明每条记录的重要性，杜绝"僵尸记忆"
- 快速同步：
recent_delta.md记录 3-7 天变更，支持断点续传 - 双向溯源：Backlinks 机制确保任何节点可回溯至根
局限性与风险
| 维度 | 说明 |
|:---|:---|
| 维护成本 | 三层架构需要人工持续维护链接关系，自动化脚本仅覆盖初始化 |
| 检索依赖 | 严重依赖 MEMORY.md 索引质量，若索引失效将导致信息孤岛 |
| 冷启动问题 | 新项目/领域创建时需人工判断归属层级，无智能分类辅助 |
| 版本冲突 | 多分支并行编辑时可能产生链接失效或 delta 记录冲突 |
适合人群
- 长期运行、需要跨会话保持上下文的 AI Agent 项目
- 多领域并行、需防止知识污染的复杂工作流
- 团队协作场景，需标准化记忆交接格式
常规风险
- 僵尸记忆累积：Significance 字段为软性约束，实际执行依赖使用者自律
- 脚本误操作：
add_branch.py虽无网络行为，但文件系统操作仍可能覆盖现有内容 - 层级设计僵化：三层架构未必适配所有场景，过度分层反而增加导航成本