Memory Manager

核心用法

Memory Manager 是一款为AI代理设计的专业级本地内存管理工具，采用认知科学中的三层记忆架构（情景/语义/程序）。核心流程包括：

1. 初始化结构 (init.sh)：创建 memory/{episodic,semantic,procedural,snapshots}/ 四层目录
2. 压缩检测 (detect.sh)：实时监控上下文使用率，70%警告/85%危险阈值
3. 自动快照 (snapshot.sh)：压缩前自动保存完整上下文
4. 语义搜索 (search.sh <type> <query>)：按记忆类型精准检索
5. 智能整理 (organize.sh)：自动将扁平文件迁移至三层架构

显著优点

• 检索效率领先：Zep团队研究显示，知识图谱架构比扁平向量检索效率高18.5%
• 100%本地离线：无外部依赖、无API费用、零隐私泄露风险，<100ms响应
• 认知科学背书：episodic（时间事件）/semantic（知识事实）/procedural（操作流程）分类符合人类记忆规律
• 压缩防护机制：独创的上下文压缩预警+自动快照，解决大模型对话中"记忆丢失"痛点
• 人机可读：纯Markdown存储，支持人工审计与直接编辑

潜在局限

• 当前仅支持关键词搜索：v1.0暂无语义嵌入，依赖精确匹配（v1.1 roadmap规划ML自动分类）
• 个人开发者维护：作者margent为独立开发者，长期维护稳定性待验证
• 路径遍历风险：categorize.sh等脚本对用户输入文件名缺乏../过滤（低危，建议自行加固）
• 无多代理共享：v2.0前不支持跨代理记忆同步

适合人群

• 需要长上下文持久化的AI代理开发者
• 重视数据主权、拒绝云服务的隐私敏感用户
• 研究agent记忆架构的认知AI工程师
• 频繁遭遇"对话中期遗忘"的大模型重度使用者

常规风险

• 来源可信度T3：未上架clawdhub官方市场，建议验证后再用于生产
• 无外部备份：纯本地存储，磁盘损坏即丢失（v1.2规划加密云备份选项）
• 社区验证不足：当前安装量未知，大规模稳定性待观察

核心用法

Memory Manager 是一套面向 AI Agent 的本地记忆管理方案，实现认知科学中的三重记忆分类架构：

• 情景记忆 (Episodic)：按时间线记录事件，解决"我上周做了什么"类查询
• 语义记忆 (Semantic)：存储事实与知识，回答"我了解什么"
• 程序记忆 (Procedural)：沉淀工作流与操作步骤，处理"如何做某事"

安装后执行 init.sh 初始化目录结构，通过 detect.sh 监控内存占用风险（70%/85% 双阈值告警），organize.sh 自动分类历史文件，search.sh 按记忆类型精准检索。

显著优点

1. 检索效率领先：借鉴 Zep 团队研究，知识图谱式分类比扁平向量检索提升 18.5%
2. 零外部依赖：纯 Bash 脚本实现，仅使用标准 Unix 工具（grep/find/wc/jq），无 npm/pip 供应链风险
3. 完全隐私本地：无网络通信、无 API 调用，记忆数据即身份资产，100% 用户自主掌控
4. 人机可读：Markdown 原生格式，便于人工审计、编辑与长期归档
5. 主动防护机制：压缩风险预测 + 自动快照备份，避免关键上下文意外丢失

局限与约束

• 搜索能力初级：v1.0 仅支持关键词匹配，无向量化语义搜索（v1.1 路线图规划）
• 手动维护成本：自动分类依赖规则匹配，复杂内容仍需人工介入 categorize.sh
• 单机架构：无多 Agent 共享内存能力，协作场景受限
• 规模化瓶颈：文件系统存储在记忆条目激增后可能出现 I/O 性能衰减

适用人群

• 长期运行、需保持上下文连贯的 AI Agent
• 对数据隐私敏感、拒绝云服务的用户
• 希望系统化沉淀工作流与领域知识的开发者
• 熟悉命令行操作、能接受手动维护的技术用户

常规风险

• 文件系统依赖：虽已实现自动备份，极端情况仍存在意外覆盖可能
• T3 来源属性：个人开发者社区项目，长期维护承诺需观察
• 无加密存储：本地文件明文保存，共享设备需配合系统级权限管控