# 智能体记忆进化与主动交互（Beta） > **Beta 功能**：QwenPaw 的 ReMeLight memory manager 会把 [ReMe](https://github.com/agentscope-ai/ReMe) 作为进程内应用嵌入。Auto Memory、Auto Resource、Auto Dream、搜索，以及 ReMe 底层的 proactive topic 读取能力都是 ReMe job。QwenPaw 的 `/proactive` 命令是另一条运行时逻辑，它读取近期 chat session 和可选屏幕上下文。 QwenPaw 将记忆保存为 agent workspace 下的文件。对话先保存为 JSONL 来源日志，有价值的对话事实写入 daily Markdown note，资源可以转换成 daily note，Auto Dream 再定期把可复用抽象整合进 digest 记忆。 --- ## 核心理念：自进化的个人知识库 ReMe 的目标不是给聊天模型挂一个黑盒向量库，而是基于 **Memory as File, File as Memory** 原则，长出一个**自进化的个人知识库**：每个工作记忆或长期记忆节点都是一份可以直接打开、阅读、编辑、移动、删除的 Markdown 文件，同时又是一个可索引、可链接的节点；原始来源与派生系统状态则使用适合各自职责的格式。 因为记忆以文件而非不透明的数据库记录形式存在，长期记忆获得了黑盒存储无法提供的特性： | 特性 | 实际意义 | | ------ | ------------------------------------------------------------------ | | 可读 | 打开 workspace，像普通 Markdown 一样阅读 daily note 和 digest 节点 | | 可编辑 | 用普通文件编辑就能纠正、扩展、移动、删除记忆，无需专用客户端 | | 可追溯 | 每条长期结论都通过 `derived_from:: [[...]]` 链接回它的来源 | | 可迁移 | workspace 就是一个普通目录，可以备份、同步，或用 git 做版本管理 | | 可协作 | 你负责判断与纠正，agent 负责整理、链接、检索——都在同一批文件上 | ### 记忆分层 workspace 把记忆从"原始证据"到"可复用知识"组织为四层： ```text 原始输入 → mem_session/ + resource/ 原始对话与外部资料 工作记忆 → memory/ daily note：事实、决策、资源解读 长期记忆 → digest/ 可复用知识：personal / procedure / wiki 系统状态 → mem_metadata/ 索引、wikilink 图、catalog（不手工编辑） ``` QwenPaw 的目录名与 ReMe 上游默认值不同，但每层的职责一致：`mem_session/` 对应 ReMe `session/`，`memory/` 对应 `daily/`，`mem_metadata/` 对应 `metadata/`；`resource/` 和 `digest/` 保持同名。 ### 知识库如何进化 知识库通过持续的 **capture → index → consolidate → recall** 闭环生长： 1. **Capture（捕获）** — Auto Memory 把对话蒸馏成 daily note，Auto Resource 把 `resource/` 下的文件转成 daily note，同时保留原始对话作为证据。 2. **Index（索引）** — 后台 job 通过 BM25 关键词索引、可选向量、以及 wikilink 图，让 `memory/` 和 `digest/` 始终可检索。 3. **Consolidate（整合）** — Auto Dream 读取近期 daily note，整合进长期 `digest/` 节点。这一步才是记忆真正**进化**的地方：它不是复制文本，而是把每个抽取出的 unit 合并进已有节点或创建新节点，并织入来源与关系 wikilink。 4. **Recall（召回）** — `memory_search` 召回最相关的片段并沿 wikilink 图展开；interest topics 和 QwenPaw 的 `/proactive` 主动浮现值得关注的内容。 digest 层刻意**不是只追加**的。当新素材与已有节点重复、细化或冲突时，Auto Dream 会对其 corroborate、refine 或 correct（见下文整合动作）。再配合让节点保持连通、可追溯的 wikilink 图，知识库会随时间变得更密、更准，而不只是变得更大。 --- ## 实际流程 ```mermaid graph LR A[Conversation turns] --> B[MemoryMiddleware] B --> C[ReMe auto_memory job] C --> D[mem_session/dialog/*.jsonl] C --> E[memory//.md] R[resource//*] --> S[resource_watch_loop] S --> T[ReMe auto_resource job] T --> E E --> U[ReMe auto_dream job] U --> V["digest/personal | procedure | wiki/*.md"] U --> W[memory//interests.yaml] ``` | 能力 | 代码路径 | 触发方式 | 主要产物 | | -------------------- | ------------------------------------------------------------ | ----------------------------------------------------------------------- | -------------------------------------------------------------------------------------- | -------------- | ------------------------------------------------ | | Auto Memory | `ReMeLightMemoryManager.auto_memory()` -> ReMe `auto_memory` | `MemoryMiddleware` 按配置的用户轮次数触发；启用时也会在上下文压缩前触发 | `mem_session/dialog/.jsonl`、`memory//.md`、`memory/.md` | | Auto Resource | ReMe `resource_watch_loop` -> `auto_resource` | 嵌入式 ReMe 后台 watcher 监听 `resource_dir` | `memory//.md` | | Auto Dream | `ReMeLightMemoryManager.dream()` -> ReMe `auto_dream` | `/dream` 命令或 `dream_cron` 调度 | `digest/*/*.md`、`memory//interests.yaml` | | ReMe proactive job | ReMe `proactive` | 仅在直接调用 ReMe job 时运行 | `memory//interests.yaml` 的 metadata/content | | QwenPaw `/proactive` | `src/pineagents/agents/memory/proactive` | `/proactive [minutes | on | off]` 空闲循环 | 通过 `/api/console/chat` 发送的主动 chat request | 关键边界：`memory//interests.yaml` 由 Auto Dream 生成，也可以被 ReMe 的 `proactive` job 读取；但 QwenPaw 当前 `/proactive` 实现不会调用这个 job，也不会直接消费 `interests.yaml`。 --- ## 文件布局 嵌入式 ReMe 配置来自 `src/pineagents/agents/memory/reme_config.py`，面向用户的默认值来自 `ReMeLightMemoryConfig`。 ```text / ├── mem_metadata/ # ReMe 持久状态、索引、catalog ├── mem_session/ # Auto Memory 使用的来源对话日志 │ └── dialog/ │ └── .jsonl ├── mem_agent/ # ReMe 内部 memory-agent session ├── resource/ # Auto Resource 监听的外部资料 │ └── YYYY-MM-DD/ │ └── . ├── memory/ # Daily memory notes 和 day index │ ├── YYYY-MM-DD.md │ └── YYYY-MM-DD/ │ ├── .md │ └── interests.yaml └── digest/ # 长期 digest 记忆 ├── personal/ ├── procedure/ └── wiki/ ``` 默认目录名可通过 `metadata_dir`、`session_dir`、`mem_session_dir`、`resource_dir`、`daily_dir`、`digest_dir` 配置。 --- ## Auto Memory Auto Memory 由 `MemoryMiddleware` 调用，不是每次 model call 都直接运行。Middleware 会： - 跳过来源为 `cron` 或 `heartbeat` 的自动化请求； - 当 `auto_memory_search_config.enabled` 为 true 时，在模型调用前注入自动记忆搜索上下文； - 在回复后收集 user-turn marker； - 累计到 `auto_memory_interval` 个用户轮次后 flush； - 当 `summarize_when_compact` 为 true 且即将压缩上下文时，也会先 flush pending turns。 `auto_memory_interval` 默认是 `5`。`None`、`0` 或负数会禁用周期性 Auto Memory。 Flush 时，QwenPaw 调用 ReMe 的 `auto_memory` job，并传入： | 字段 | 来源 | | ------------- | --------------------------------- | | `messages` | pending user turns 对应的会话消息 | | `session_id` | Agent session id | | `memory_hint` | 调用方可选提示 | ReMe 的 `AutoMemoryStep` 随后会： 1. 校验 `session_id` 存在且合法； 2. 将清洗后的来源消息保存或追加到 `mem_session/dialog/.jsonl`； 3. 从保存的来源日志中移除 tool-result block 和 base64 data block； 4. 从显式 date、消息时间戳或配置时区的当前日期中选择 note date； 5. 查找 frontmatter 中 `session_id` 或 `source_conversation` 匹配的已有 daily note； 6. 新 session 最多创建一条 note，已有 session 更新同一条 note； 7. 确保 frontmatter 包含 `session_id` 和 `source_conversation`； 8. 可能根据 frontmatter `name` 重命名 note； 9. 刷新 `memory/.md` day index； 10. 返回 `date`、`path`、`created`、`modified`、`n_messages`、`source_conversation`、`index` 等 metadata。 如果 job 成功但没有实际修改 note，QwenPaw 不会为 `auto_memory` 推送 inbox event。否则会推送标题为 `Auto-memory result` 的 inbox event。 --- ## Auto Resource QwenPaw 配置了名为 `resource_watch_loop` 的 ReMe 后台 job。它监听 `resource_dir`，并把变更批次派发给 `auto_resource`。 监听的后缀是： ```text md, txt, json, jsonl, csv, yaml, html ``` 文件可以直接放在 `resource_dir` 根目录，此时使用 QwenPaw 配置的时区确定当天；也可放在 `resource_dir/YYYY-MM-DD/` 下，此时使用路径中的日期。日期目录之后可以继续嵌套子目录。新增或修改资源时， ReMe 按 UTF-8 文本读取内容，由 memory agent 生成或更新 daily note；删除资源时也会删除对应的来源链接 note。 PDF、Word、Excel、图片等二进制文件不会被自动解析。`yml` 后缀也不在默认白名单中；需要先转换为受支持的文本格式。 每个 change item 可以包含 `path` 或 `file_path`，以及类似 `added`、`modified`、`deleted` 的 `change` 值。ReMe step 会将变化的资源文件解读成 daily note。只有当 job 报告确实发生修改时，QwenPaw 才会推送 `Auto-resource result` inbox event。 --- ## Auto Dream QwenPaw 通过以下入口暴露 Auto Dream： - `/dream [hint]`，由 `CommandHandler._process_dream()` 处理； - `dream_cron_enabled` 为 true 时按 `dream_cron` 配置调度，默认 `0 23 * * *`；定时触发后会随机延迟 0–60 秒启动，以避免集中调用； - `ReMeLightMemoryManager.dream(date="", hint="")`。 QwenPaw 运行名为 `auto_dream` 的 ReMe job，并设置 `needs_llm=True`，因此嵌入式 ReMe 会在 job 运行前用 QwenPaw 当前 active model 刷新自己的 LLM component。 嵌入式 job 配置使用这些默认值： | 参数 | 默认值 | 含义 | | ---------------------- | -----: | --------------------------------- | | `date` | `""` | 空值表示配置时区里的今天 | | `hint` | `""` | 可选用户/操作者提示 | | `scan_days` | `2` | 扫描目标日期及最近日期 | | `max_units` | `5` | 最多抽取的可复用 memory units | | `topic_count` | `3` | 最多最终 interest topics | | `topic_diversity_days` | `7` | 避免重复最近几天已经出现的 topics | Auto Dream 运行四个 ReMe steps： | Step | 实际行为 | | ---------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------- | | `dream_extract_step` | 刷新 day indexes，对比 daily files 和 dream catalog，删除缺失的 catalog entries，只从变化的 daily 输入中抽取可复用 memory units 和 topic candidates。 | | `dream_integrate_step` | 将每个抽取出的 unit 整合进一个 digest node。会使用 `node_search`、`read`、`frontmatter_read`、`write`、`edit`、`frontmatter_update`。 | | `dream_topics_step` | 选择并去重 interest topics，写入 `memory//interests.yaml`，并刷新 day index。 | | `dream_finish_step` | 将成功处理的 changed paths、interest files 和 day indexes upsert 到 dream catalog，持久化 catalog，并返回 summary。 | 如果没有变化的 daily 输入，extract 会以 no-change 响应结束。如果 LLM 不可用，extract 或 integrate 会失败，因为这些 step 需要 LLM。 Digest node 按 bucket 存储： | Bucket | 存什么 | | ------------ | ---------------------------------------------------------- | | `personal/` | 用户、团队或项目身份、偏好、约定、约束、avoid-rules | | `procedure/` | How-to 工作流、runbook、recipe、方法、可执行模式 | | `wiki/` | 定义、原则、观察、作为先例的决策、事实 claim，以及兜底知识 | Integration action 包括 `CREATE`、`CORROBORATE`、`REFINE`、`CORRECT`。正是这四个动作让知识库"自进化"：与已有节点匹配的 unit 不会被当作重复内容追加，而是合并进该节点——用新来源 corroborate、用新边界 refine、或在冲突时 correct。 | Action | 含义 | | ------------- | ---------------------------------------------- | | `CREATE` | 尚不存在等价抽象，创建新的 digest 节点 | | `CORROBORATE` | 同一记忆再次出现，追加来源并强化描述 | | `REFINE` | 新素材补充边界、步骤、前置条件、适用范围或细节 | | `CORRECT` | 新素材纠正已有节点中的错误、遗漏或冲突 | **通过 wikilink 构建知识图谱。** ReMe 的 wikilink 整合逻辑运行在 `dream_integrate_step` 中。写入前它先用 `node_search` 召回相似或相关的 digest 节点，在上述动作间做出决策，然后向节点正文织入两类 workspace-relative wikilink： - **来源边** — `derived_from:: [[memory//.md]]`，让每个 digest 结论都能追溯回它来自的 daily note 或资源。 - **关系边** — `relates_to:: [[digest/wiki/...]]`、`depends_on:: [[digest/procedure/...]]` 等 typed link，把节点连接到相邻概念、前置条件和流程。 更新是增量式的：已有 wikilink 和 `derived_from` 会被保留，图因此持续生长而不丢边。`memory_search` 之后会沿这些链接展开——这正是召回不仅能给出匹配片段、还能带出它连接的长期节点与来源的原因。 Auto Dream 完成后，QwenPaw 会推送标题为 `Auto-dream result` 的 inbox event。 --- ## Interest Topics 和 ReMe Proactive Job `dream_topics_step` 写入： ```text memory//interests.yaml ``` YAML payload 包含： | 字段 | 含义 | | ---------------- | ---------------------------------------------------------------------- | | `date` | 目标日期 | | `topic_count` | 请求的最大 topic 数 | | `diversity_days` | 最近日期去重窗口 | | `topics` | 选出的 topics，包含 `title`、`reason`、`evidence`、`keywords`、`paths` | ReMe 还定义了一个由 `proactive_step` 实现的 `proactive` job。这个 job 只读取 `memory//interests.yaml`。它接受： | 参数 | 默认值 | 含义 | | ----------------- | -----: | -------------------------------- | | `date` | `""` | 空值表示今天 | | `include_content` | `true` | 在 metadata 中包含原始 YAML 文本 | 如果 interests 文件不存在，ReMe proactive job 会返回正常的 skipped result。 --- ## QwenPaw `/proactive` QwenPaw 当前 `/proactive` 命令实现位于 `src/pineagents/agents/memory/proactive`，它和 ReMe 的 `proactive` job 是两套逻辑。 命令行为： ```text /proactive # 使用默认 30 分钟空闲阈值启用 /proactive on # 使用默认 30 分钟空闲阈值启用 /proactive 45 # 使用 45 分钟空闲阈值启用 /proactive off # 取消后台 monitoring task ``` 启用后，QwenPaw 会为 session 保存一个内存态 `ProactiveConfig`，并启动后台循环。该循环会： - 每 30 秒 wake 一次； - agent 有 active tasks 时跳过； - 读取最新 chat update time； - 等待 session 空闲达到配置分钟数； - 60 秒内不重复尝试； - 如果最后一条消息已经是未回应的 `[PROACTIVE]` 消息，则跳过； - 运行 proactive responder。 Responder 构造上下文时读取近期 chat sessions，而不是读取 `interests.yaml`： - 通过 `workspace.chat_manager` 读取 chat metadata； - 保留最近 7 天更新过的 sessions；如果不足 5 个，则取最新 5 个 sessions； - 加载最多 100 条近期文本消息，总字符上限 50,000； - 过滤 system messages、非文本 blocks，以及之前 proactive helper 发出的请求； - 当 active model 支持多模态时，可选分析桌面截图。 随后它让临时 `ProactiveAssistant` agent 从上下文中抽取 1 到 3 个可能任务，最多执行前 3 个任务 query，并通过以下接口发送面向用户的 proactive request： ```text POST /api/console/chat session_id = proactive_mode: text starts with "[Agent proactive_helper requesting]" ``` 最终面向用户的 prompt 要求 agent 回复以 `[PROACTIVE]` 开头。 命令中的 warning 与代码一致：proactive mode 可能读取历史 session memory，并且在多模态屏幕分析可用时可能截图。Proactive agent 通过自己的临时 agent/tool setup 使用 tool protection bypass mode。 --- ## 搜索与索引 嵌入式 ReMe app 会启动 `index_update_loop` 后台 job。搜索索引监听： | 索引目录 | 后缀 | | ------------------------- | ---- | | `daily_dir`、`digest_dir` | `md` | QwenPaw 的 `memory_search` tool 会运行 ReMe 的 `search` job，参数是 `query`、`limit`、`min_score`。该 job 配置为 hybrid workspace search，包含向量召回、BM25 keyword 召回、RRF 融合和 wikilink expansion。QwenPaw 嵌入式 ReMe 配置里的存储后端是 local。 --- ## 当前状态 本文档描述当前代码路径： - ReMeLight 由 `ReMeLightMemoryManager` 和嵌入式 `get_reme_app_config()` 实现； - Auto Memory 基于用户轮次数触发，默认每 5 个用户轮次一次； - Auto Dream 通过 `/dream` 或 `dream_cron` 运行； - ReMe 会写入 `interests.yaml`，也有读取它的底层 job； - QwenPaw `/proactive` 当前使用近期 chat/session/screen context，而不是 ReMe interest topics； - Auto Memory、Auto Resource、Auto Dream 产生可报告输出时，可能投递到 inbox。 该能力仍处于 Beta 阶段，但以上行为与当前代码实现一致。