核心用法
SAGE Memory 是一个专为 AI 代理设计的本地持久化记忆系统，通过 MCP 协议与 Claude、Cursor、Windsurf、Gemini CLI 等主流代理工具集成。其核心工作流遵循「启动-感知-记忆-反思」的闭环：
1. 启动阶段（sage_inception）：每个新会话首条消息必须调用，加载操作指令并初始化记忆连接
2. 感知阶段（sage_turn）：每轮对话原子化执行「召回相关记忆 + 存储当前观察」，支持通过 topic、domain 参数实现上下文精准匹配
3. 记忆阶段（sage_remember/sage_recall）：显式存储带置信度（0.60-0.95+）和类型标签（fact/observation/inference）的结构化记忆，或按主题/领域检索
4. 反思阶段（sage_reflect）：任务完成后存储 dos/donts，实证显示可显著提升任务相关性（rho=0.716 vs 0.040）
系统采用领域隔离架构，鼓励用户按 go-debugging、user-preferences 等有机主题组织知识，而非堆积于通用域。
显著优点
- 真正的本地优先：数据仅存储于
~/.sage/data/sage.db，零云端传输、零遥测，可选 Synaptic Ledger 静态加密 - 共识机制保障可靠性：每条记忆经 BFT（拜占庭容错）共识验证后才提交，避免单点错误污染长期记忆
- 仿生衰减模型：记忆随时间自然衰减，除非被强化激活，模拟人类记忆的巩固与遗忘机制
- 实证效果验证：反思循环经相关性系数验证（rho=0.716），显著优于无记忆基线
- 代理身份隔离：通过 Ed25519 公钥区分不同代理的记忆归属，支持多代理协作场景
潜在局限与风险
- 本地部署门槛：需用户自行安装 SAGE 二进制并维护本地服务（
sage-gui serve），对非技术用户存在使用摩擦 - 记忆质量控制依赖代理：原始对话不会自动捕获，记忆内容完全取决于代理的
sage_turn调用质量，存在「Garbage in, garbage out」风险 - BFT 共识的性能开销：本地单节点场景下共识机制可能带来不必要的延迟，架构设计存在过度工程化嫌疑
- 跨设备同步缺失：纯本地架构导致多设备间记忆无法同步，限制了移动/云端协作场景
- 数据持久性风险：SQLite 文件损坏或误删将导致不可逆记忆丢失，缺乏云端备份选项
适合人群
- 长期项目开发者：需要在多周/多月的编码会话中维护架构决策、调试经验等连续性知识
- 隐私敏感型用户：拒绝任何云端记忆方案的金融、医疗、法律领域专业人士
- AI 代理研究者：希望实验仿生记忆机制、共识验证对代理行为影响的学术或工程探索者
- Claude Code/Cursor 重度用户：已习惯 MCP 生态、追求「有状态」代理体验的进阶开发者
常规风险
| 风险类型 | 具体表现 | 缓解措施 |
|---------|---------|---------|
| 数据泄露 | 本地 SQLite 文件被其他进程读取 | 启用 Synaptic Ledger 加密；设置文件系统权限 |
| 记忆污染 | 代理存储错误事实或偏见推断 | 依赖置信度阈值过滤；定期人工审计 CEREBRUM 仪表板 |
| 服务可用性 | SAGE 进程未启动导致记忆功能失效 | 启动脚本健康检查；代理优雅降级至无记忆模式 |
| 过度依赖 | 代理在关键操作前未执行 `sage_recall` 检查 | 严格遵守「破坏性操作前必查」协议 |
| 版本兼容性 | MCP 协议或 SAGE 版本升级导致工具调用失败 | 锁定版本；关注仓库 release notes |