什么是Rookie Memory
Rookie Memory 是一款专为 AI 代理设计的先进记忆管理系统，旨在解决复杂对话场景中上下文丢失、历史信息难以追溯以及长期知识沉淀效率低下的问题。该系统采用三级分层架构，将记忆划分为短期（L1）、中期（L2）和长期（L3）三个层级，分别对应不同的存储策略与生命周期管理机制。其中，短期记忆通过滑动窗口实时维护当前会话的关键片段，确保对话连贯性；中期记忆在 token 数量达到阈值时自动触发摘要生成，有效压缩冗余信息并保留语义主干；而长期记忆则基于 ChromaDB 向量数据库实现语义检索，支持跨时间维度的智能联想与知识复用。整个系统强调轻量化部署与自动化运维，提供 bootstrap 启动加载、autosave 自动保存等核心能力，同时集成混合检索、冲突检测和健康分析等高级功能，为 AI 代理构建持续进化的认知体系提供了可靠基础设施。
核心功能特点
- 三级分层记忆架构：短期滑动窗口、中期自动摘要、长期向量检索，实现信息的有序组织与高效管理
- 混合检索机制：结合关键词匹配与语义相似度计算，提升记忆查找的准确性与召回率
- 自动化生命周期管理：支持会话开始时的记忆加载、过程中的自动摘要与结束后的持久化存储
- 关键决策专项记录：自动识别并归档包含‘决定’‘决策’等关键词的重要节点，便于后续回溯
- 健康监控与清理：内置记忆库分析工具，可检测过时、重复及低相关性内容，保障系统性能
适用场景
Rookie Memory 特别适用于需要长时间维持上下文连贯性的多轮对话场景，例如智能客服、编程助手或虚拟伙伴等应用。在新一轮对话开始时，用户可通过 `bootstrap` 命令快速加载 L0 永久记忆（如身份设定、技术栈偏好）以及 L1/L2 层级的临时上下文，使 AI 能迅速进入角色状态。在持续交互过程中，系统会根据 token 使用量动态触发中期摘要，避免因历史过长导致模型注意力分散，同时自动筛选重要信息存入长期记忆库，形成可复用的知识资产。对于开发类代理而言，该机制尤其有价值——它能自动追踪项目决策路径、技术选型变更和用户需求演进，显著降低重复沟通成本。此外，当对话涉及复杂任务规划或多阶段协作时，混合检索功能允许用户精准定位过往讨论要点，无论是通过关键词搜索近期反馈，还是借助语义理解挖掘深层关联，都能大幅提升工作效率。日常使用中，建议结合 `autosave` 定期保存进度，并利用 `daily-log` 查看当日记忆活动概况，从而实现对 AI 行为轨迹的完整审计与优化。