核心定位
TriCore是一套面向低资源环境的确定性（Code-First）三层记忆与认知架构，从根本上解决传统Agent「记忆包袱」导致的上下文孤岛与存储混乱问题。它强制要求所有记忆操作必须通过统一引擎memctl.py代理，禁止LLM直接读写文本文件。
三层存储架构
| 层级 | 文件 | 用途 |
|------|------|------|
| **Brief** | `MEMORY.md` | 系统级微档案，仅存储指针与法则（<1500字节） |
| **Living** | `memory/state/WORKING.md` | 当前运行任务流与生命周期跟踪 |
| **Stable/Volatile** | `memory/kb/*.md` & `memory/daily/*.md` | 知识库与临时日志 |
核心能力
- 检索优先：禁用
read工具直读大文件，强制使用memory_search语义检索，显著节省Token - 强制合规：内置
memctl.py lint硬约束，任何Cron或Skill变更若破坏架构将被拦截报错 - 认知套件：提供Planning（PEP规划）、ReAct（心智状态持久化）、Self-Evolution（代码级CI/CD）三大重构技能
显著优点
- 低资源友好：通过语义检索替代全文加载，极适合Token受限环境
- 确定性状态机：Code-First设计消除LLM「随意写文件」的不确定性
- 可审计可追溯：所有记忆操作经由统一引擎，便于追踪与回滚
- 硬约束防护：Linter机制防止架构腐化
潜在局限
- 硬依赖OpenClaw：需原生支持
memory_search/memory_get（v2026+） - Python环境强依赖：要求宿主机预装Python 3.6+
- 自进化需外联能力：若Agent处于只读沙箱或无浏览器/search工具，Self-Evolution沦为「幻觉自进化」
- 迁移成本高：旧
MEMORY.md需人工介入重新分发，无法自动完成
适合人群
- 追求确定性Agent行为的系统架构师
- Token预算敏感的低资源部署场景
- 需要长期记忆管理的复杂多轮任务Agent
- 厌恶根目录散落
task_plan.md/reflection.md的洁癖开发者
常规风险
- 单点故障：
memctl.py引擎若损坏，全系统记忆操作瘫痪 - 学习曲线陡峭：开发者需放弃「直接写文件」的直觉习惯
- 生态锁定深度绑定：与OpenClaw体系高度耦合，迁移至其他平台成本极高
- 误封风险：Linter正则可能过度拦截合法边缘场景