什么是Mem Optimizer
Mem Optimizer（记忆优化器）是一款专为智能体工作流设计的记忆管理与压缩工具，旨在通过自动化手段显著降低长期记忆存储的 token 消耗。该工具能够深度扫描工作区中的 memory 文件，精准统计各文件的 tokens 使用情况，并对冗长条目进行智能摘要处理，从而在保证关键信息不丢失的前提下实现高效压缩。其核心创新在于整合了 self-improving（自我改进）机制，使系统能根据用户反馈动态调整优化策略，形成持续进化的学习闭环。除了基础的压缩功能外，Mem Optimizer 还支持每日定时自动执行完整优化流程，并生成包含服务器状态、多智能体运行情况和任务概览的综合报告，帮助用户全面掌握系统运行状况。
核心功能特点
- 自动扫描 memory/ 目录下所有 .md 文件，估算 token 消耗并支持中文 2 字符/token、英文 4 字符/token 的智能换算
- 结合自我反思机制，记录用户对压缩结果的反馈（如‘压缩太过了’或‘保留更多细节’），并据此动态调整全局优化策略
- 提供每日上午 8:00 UTC 自动执行的完整优化流程，附带可交互的飞书推送报告，涵盖内存释放量、处理文件列表及多智能体状态
- 默认采用 dryRun 预览模式确保安全，仅在实际确认后才执行文件修改，且支持手动恢复被压缩内容
- 与 memory-qdrant 向量数据库协同工作，将优化后的结构化记忆同步至长期存储，强化语义检索能力
适用场景
Mem Optimizer 特别适用于需要长期积累和频繁调用历史信息的智能体应用场景。例如，在开发类智能体持续记录代码变更、调试日志和技术讨论时，memory 文件会迅速膨胀，导致后续对话成本激增。此时启用 Mem Optimizer 可有效清理冗余内容，保持上下文轻量化。对于多智能体协作系统而言，该工具不仅能统一管理各子 agent 的记忆负载，还能通过每日报告监控整体资源使用效率，避免因单个 agent 过度占用 token 而影响团队性能。此外，当用户希望系统‘记住’更多过往经验但又受限于 token 预算时，Mem Optimizer 的自我学习机制尤为关键——它会从每一次交互中提炼出用户的偏好模式，比如识别出用户对 40%-50% 压缩率接受度较高，并在未来同类文件中自动应用此策略。这种自适应行为使得工具越用越贴合实际需求，真正实现‘越用越聪明’的智能化体验。