2026-10-12 边界：此文原有身份、分工、环境与状态均为历史快照，不是现行职责或在线证明。现行资料见 全量审计与来源索引。

Manas 专属记忆架构

范围：仅限 Manas 使用。 其他 Agent（Alaya/Mano/Anchor）使用各自的 memory provider。 gbrain 不是”L3 语义记忆”，而是跨 Agent 共享知识库——与 MemOS 并列，两者都自动注入。 更新日期: 2026-07-15

记忆分层

┌────────────────────────────────────────────────────────────────────┐
│ L0 · 工作记忆 (Working Memory)    │ 上下文窗口                      │
│   每轮自动注入，即时推理               │ ~128K tokens               │
├────────────────────────────────────────────────────────────────────┤
│ L1 · 热规则 (Hot Rules)             │ MEMORY 文件注入               │
│   每轮注入系统提示                       │ provider: ''            │
│   ≤ 4KB，定时清理过期条目                 │                         │
├────────────────────────────────────────────────────────────────────┤
│ L2 · 程序记忆 (Procedural)          │ Skills (176 个)              │
│   操作流程、技能模板                      │ skill_manage            │
│   skill name 匹配触发词自动加载           │                         │
├────────────────────────────────────────────────────────────────────┤
│ L3 · 情景记忆 (Episodic)            │ Session DB (独立)            │
│   历史对话、会话决策                      │ SQLite + FTS5           │
│   仅 session_search 手动查询             │                         │
├────────────────────────────────────────────────────────────────────┤
│ 4a · 经验记忆                       │ MemOS (provider: memtensor)   │
│   主要经验源，每轮 prefetch 自动三级检索   │ 本地 SQLite              │
│   自动演化：捕获→回报回传→L2/L3/Skill    │ 仅 Manas 可读写          │
├────────────────────────────────────────────────────────────────────┤
│ 4b · 共享知识                       │ gbrain (Postgres)           │
│   跨 Agent 知识库，每轮 prefetch 自动检索 │ 所有 agent 共享          │
│   query(用户意图) → topK 页注入           │                         │
└────────────────────────────────────────────────────────────────────┘

每轮对话搜索顺序

用户发送消息
   │
   ▼
① L1 MEMORY（热规则 → 始终在系统提示中）
   │
② Skills（按 name/tags/triggers 匹配 → 自动注入 prompt）
   │
③ 经验 + 知识并行 prefetch（自动 → 不需我干预）
   ├── MemOS prefetch
   │   ├── Intent classifier → 决定检索计划
   │   ├── T1 Skills (topK=3)
   │   ├── T2 Traces/Episodes (topK=5)
   │   └── T3 World Models (topK=2)
   │   → RRF fusion → MMR → LLM Filter → InjectionPacket
   │
   └── gbrain prefetch
       └── 基于用户消息自动 query(用户意图, limit=5)
       → topK 页面摘要注入 prompt
   │
   ▼
我思考 → 生成回复
   │
   ├── 确认/更新配置          → 直接输出
   ├── 需要查历史对话细节      → session_search（手动）
   ├── 新知识需要存 gbrain    → put_page + add_link（Write Gate 把关）
   └── 新操作经验             → MemOS 自动 trace（不需干预）

Write Gate（写入门控）

1. 会改变未来行为吗？
2. 是承诺/决策吗？
3. 值得记住原因吗？
4. 是稳定事实吗？
5. 用户要求记住了吗？

通过 ≥ 1 条 → 写入 gbrain。0 条 → 不写。

写入决策树

有新信息要记？
 ├→ 每轮必读的规则/偏好？        → L1 MEMORY
 ├→ 已验证的操作流程？           → L2 Skills
 ├→ 结构化知识/研究/概念？       → gbrain（Write Gate 把关）
 ├→ agent 操作经验/失败教训？    → MemOS（自动，不需干预）
 ├→ 一次性日志/对话？             → 不主动写（L3 Session DB 自动）
 └→ 密码/token？                  → 不写任何层（放 .env）

对比 Alaya 架构（参考 gbrain-self-optimize）

Alaya 的 Ralph Wiggum + Self-Harness 模式待移植。