認知記憶系統

仿人腦記憶設計，具備遺忘曲線：Agent 記住重要的，遺忘不重要的。

比喻：人腦的記憶分類

想想你如何記住事情：

「上週二我和 Sarah 喝咖啡，她提到要換工作。」 — 這是情節記憶：特定時間的特定事件。
「Sarah 在行銷部工作。」 — 這是語意記憶：一般事實，脫離了特定事件。

你的大腦自然地分離這些。當有人問「Sarah 做什麼的？」你不會重播和她的每次對話。你會直接存取語意事實。

而且隨著時間，不重要的情節記憶會褪色。你記不住兩週前星期二吃了什麼午餐。但你記得老闆告訴你升職的那頓午餐——因為它重要。

DuDuClaw 的記憶系統完全模仿這個架構。

運作方式

兩個記憶庫

情節記憶（Episodic） — 特定互動的紀錄，標記有：

時間戳（何時發生？）
上下文（哪個通道？哪個使用者？什麼主題？）
情感價值（正面、負面、中性？）

語意記憶（Semantic） — 萃取的事實和知識，不帶時間背景：

使用者是一位專注於 Rust 的後端開發者。
使用者偏好基於比喻的解釋方式。
帳務模組有 null 相關 bug 的歷史。

記憶檢索：3D 加權搜尋

Agent 需要回憶時，不是只做關鍵字搜尋。它使用三個維度來排列記憶的相關性：

時效性（Recency）：越近期的記憶分數越高
重要性（Importance）：關鍵決策 > 閒聊
相關性（Relevance）：與當前查詢的語意距離

最終分數 = 三者的加權組合。回傳依分數排序的前 N 筆記憶。

三個維度的權重可設定。處理緊急支援工單的 Agent 可能加重時效性和重要性；充當知識庫的 Agent 可能加重相關性。

此方法受 Stanford Generative Agents 研究論文啟發，該研究證實 3D 檢索產生比簡單關鍵字搜尋更類似人類的記憶回憶。

記憶衰減：遺忘曲線

並非所有記憶都該永遠存在。系統實作間隔重複遺忘曲線：

記憶建立
     |
     v
  初始強度：1.0
     |
     v
  時間流逝，未被存取...
     |
     v
  強度衰減：0.8 → 0.6 → 0.4 → 0.2
     |
     v
  低於閾值？→ 標記為「已淡化」
     （仍存在，但不會在正常檢索中浮現）
     |
     v
  若再次被存取 → 強度重設為 1.0
     （記憶被「刷新」，重新開始衰減）

衰減速率隨重要性變化：

關鍵記憶（安全事件、重要決策）：緩慢衰減，高閾值
重要記憶（使用者偏好、重複主題）：中等衰減
日常記憶（問候、閒聊）：快速衰減，低閾值

這防止記憶庫無限增長。舊的、不重要的記憶自然淡化，保持檢索系統快速且專注。

全文搜尋與向量索引

對直接的關鍵字搜尋，系統使用資料庫內建的全文搜尋能力。

對語意搜尋（尋找概念上相似的記憶，即使不共用關鍵字），系統維護向量索引（透過 embedding 捕捉關鍵字搜尋遺漏的連結）。

聯邦記憶：跨 Agent 知識共享

在多 Agent 設定中，Agent 有時需要存取彼此的知識，但不是全部。聯邦記憶系統提供受控的共享：

記憶有共享層級：

私有：只有擁有者 Agent 可存取
團隊：同群組的 Agent 可存取
公開：任何 Agent 可存取

這反映組織處理資訊的方式：有些知識是部門專屬的，有些是全公司的，有些是需要知道才給的。

Wiki 知識庫

除了對話記憶，系統支援結構化知識匯入：外部知識來源（URL、文件、wiki）經過解析、擷取結構化資料、索引全文搜尋、生成 embedding 向量搜尋。

Web 儀表板包含互動式知識圖譜視覺化，顯示不同知識片段如何相互連結：主題、實體及其關係。

這為什麼重要

個人化互動

有記憶的 Agent 不會每次對話都從零開始。它記住使用者偏好、過去的問題、溝通風格。將體驗從「每次都在跟新人說話」轉變為「跟了解你的人說話」。

知識累積

隨時間推移，Agent 對其領域建立豐富的理解。支援 Agent 累積常見問題、已知解法、使用者特定設定的知識。這些知識跨 session 持續存在，持續提升回應品質。

可擴展的記憶

遺忘曲線確保記憶不會無限增長。系統自然維護一組相關、近期的工作記憶，同時讓舊的、不重要的記憶淡化。無需手動清理。

跨 Agent 智慧

聯邦記憶意味著知識不會被孤立在單一 Agent。一個 Agent 學到的產品洞察可以惠及支援 Agent、銷售 Agent 和文件 Agent；全部自動，帶有隱私控制。

與其他系統的互動

演化引擎：記憶模式回饋到預測引擎的準確度。
Session Manager：對話歷史流入情節記憶。
Wiki 匯入：結構化知識饋入語意記憶庫。
儀表板：記憶內容、搜尋介面和知識圖譜都可透過 Web 介面存取。

總結

記憶是區分無狀態聊天機器人和有用助手的關鍵。透過仿效人類認知來建模記憶（情節/語意分離、重要性加權檢索、自然遺忘、受控共享），DuDuClaw 賦予 Agent 從每次互動中學習、記憶和成長的能力。