jasonatgit/echomind_memory.skill/echomind-memory-skill

EchoMind Memory v1.2.19

概述

EchoMind Memory 是一个纯 SQLite 的 AI 持久记忆系统，无需 PostgreSQL/Redis/ChromaDB。v1.1.0 新增 Self-Reflective Agent，从 Episodic 记录自动提炼 Semantic 知识和 Procedural 规则。服务运行在 http://localhost:8005。

6 种记忆类型

RL 自优化

用户反馈（👍/👎）通过 RL 权重优化器调整检索重要性权重（relevance/recency/frequency/explicit_feedback/trust_score）。信用分配只对反馈中真实出现的记忆来源维度给予方向性增量，并按用户隔离学习状态（meta-state、历史、快照）。权重持久化到 user_memory.preferences.rl_weights，重启后自动恢复。

v1.2.13+ 评分统一：五个权重维度驱动所有被排序来源——freshness（艾宾浩斯）为唯一时间衰减杠杆，trust_score 参与 experience 排序，加权和内无固定常数。

来源追溯（v1.2.14+）

每条记忆携带来源信封（envelope-v1）：传输方式（mcp/http/hermes/cli）+ 来源客户端（claude-code/opencode/...，MCP 从 initialize 的 clientInfo.name 自动推断）+ project + tags + 捕获时间。tags 支持调用方传入（优先）与自动主题抽取（兜底），检索按大小写不敏感的 OR/AND 组合过滤；markdown 归档与 MCP 检索输出均显示来源行（如 [2026-09-19][mcp/claude-code][projA][代码习惯]）。

• 结构化查询：echomind_query（MCP）/ POST /api/memory/query / query_memory 技能 / echomind-cli query —— 按 project、tags（OR/AND）、origin_client/origin_platform、日期区间（一天 = date_from=date_to）、memory_type 的精确组合过滤，无相关性评分。

Self-Reflective Agent (v1.1.0)

从 Episodic 记忆自动提炼长期知识，实现记忆自我进化。

• 触发：每 N 次 store 自动标记 _pending_reflection
• Hermes：on_session_end 自动调 localhost:9119 → 用户已配 LLM → 零配置
• HTTP：POST /api/reflect 端点，调用方自己的 LLM 处理 prompt
• 输出：key_insights → knowledge_memory / preferences → user_memory / rules → procedural；满足置信度阈值后消费写回各记忆 store，并按 (user, date) 持久化日限额
• 安全：confidence < 0.65 自动丢弃，失败静默降级

v1.2.19 Recuris 吸收（结构化反思 + 门控）

• 结构化 trace（trace-v1）：每次检索把「query / 命中记忆（id+source+importance）/ 各源计数」写入 context_memory.trace——反思层可据此归因失败到记忆组件（primary_owner + failure_type），而非泛泛总结。
• 组件归因：反思输出含 primary_owner（knowledge/experience/task/context/user/research/none）与 failure_type（knowledge_gap/invocation_miss）；不确定时弃权（none），不把模糊性强行变成归因。
• Fingerprint：从未被检索过的知识条目（access_count=0）不参与 RL 显著性验证——零观测 ≠ 信号。
• 配对门控（灰度）：reflection.gate_enabled: true 启用后，知识更新需配对 bootstrap 证据（CI 排除零且回归 ≤ reg_cap）才准入；"不显著"弃权而非拒绝。

平台集成

Hermes Agent

# 安装后 Hermes 自动发现 skill.yaml 中的工具定义
# 在对话中直接调用 retrieve_memory / store_memory / record_feedback / query_memory

OpenCode

# CLI 工具
python3 code_format/cli.py read jason my-project
python3 code_format/cli.py write jason my-project context.json

OpenClaw

OpenClaw 通过 SKILL.md 指令驱动，agent 直接调用 HTTP API 端点：

# 启动服务
python main.py
# → http://localhost:8005
# Agent 通过 POST /api/memory/retrieve 和 POST /api/memory/store 进行记忆存取

Claude Code (Cursor)

# 同步代码记忆到项目目录
POST /api/memory/sync-code {"project_root": "/path/to/project", "user_id": "alice"}
# → 生成 .echomind/ 目录供 Cursor 读取

API 端点

所有端点返回 JSON。

检索请求

POST /api/memory/retrieve
{
  "user_id": "alice",
  "query": "如何优化查询性能？",
  "task_id": "task-001",        // 可选
  "max_results": 5              // 默认 5
}

返回 working_memory 数组（按重要性排序），含 source、content、importance、metadata。

存储请求

POST /api/memory/store
{
  "user_id": "alice",
  "task_id": "task-001",
  "context": [
    {"role": "user", "content": "如何优化？"},
    {"role": "assistant", "content": "建议加缓存..."}
  ],
  "task_status": "completed",
  "success": true,
  "experience_summary": "通过添加 Redis 缓存降低响应时间"  // 可选
}

配置化支持 (v1.1.0)

EchoMind v1.1.0 支持通过 echomind_config.yaml 配置文件调整所有参数：

• 文件位置: 优先级 ./echomind_config.yaml > ~/.echomind/echomind_config.yaml > 内置 FALLBACK_CONFIG
• 环境变量: 可通过 ECHOMIND_CONFIG=/path/to/config.yaml 指定配置路径
• Prompt 模板: 内置引擎生成（无需配置）
• 检索参数: 全部 9 项可调
• 领域检测: 通过配置文件切换知识领域（支持 zh/en 关键词）
• API 动态管理: POST /api/config/parameter 运行时修改，GET /api/config 查看当前配置

45 领域支持 (v1.1.0)

echomind_config.yaml 内置 45 个知识领域，覆盖：运筹学、供应链、决策分析、AI、计算机科学、NLP、CV、机器人、推荐系统、生物学等。领域关键词支持中英文，自动从配置匹配。

项目文件结构

├── SKILL.md              ← 本文件（AI 助手加载入口）
├── skill.yaml            ← 技能元数据 + OpenClaw 工具定义
├── main.py               ← FastAPI 服务入口 + `call()` 统一调度
├── echomind_config.yaml          ← 全量默认配置
├── requirements.txt
├── core/                  ← 跨框架记忆引擎（核心）
│   ├── memory_agent.py    ← 编排层 + 委派子模块（v1.2.18 拆分后 ~2578 行）
│   ├── scoring.py         ← 纯评分/排序/freshness（v1.2.18）
│   ├── lang_novelty.py    ← 纯 Jaccard/CJK n-gram/关系分类（v1.2.18）
│   ├── lifecycle.py       ← Active→Stale→Archived 状态机（v1.2.18）
│   ├── reflective_agent.py ← Self-Reflective Agent (v1.1.0)
│   ├── storage/
│   │   ├── __init__.py
│   │   ├── sqlite_store.py ← 存储层 14 张表 (WAL)
│   │   ├── schema.py      ← 基础 DDL + 增量迁移（v1.2.18）
│   │   ├── keys.py        ← stable_memory_key（v1.2.18）
│   │   └── rows.py        ← 行归一化 / JSON 安全解析（v1.2.18）
│   ├── models/
│   │   ├── context.py, task.py, user.py
│   │   ├── knowledge.py, experience.py
│   │   ├── memory_record.py ← 检索候选评分模型（v1.2.18）
│   │   ├── research.py
│   │   └── reflection.py
│   ├── agents/            ← 记忆子 Agent
│   │   ├── (context/task/user/knowledge/experience/research)_agent.py
│   │   ├── evolution_agent.py ← 知识进化检测（v1.2.18）
│   │   └── entity_agent.py    ← 实体抽取（v1.2.18）
│   └── learning/
│       └── rl_weight_optimizer.py
├── adapters/              ← 平台适配层
│   ├── hermes_provider.py ← Hermes MemoryProvider
│   └── http_api.py        ← FastAPI HTTP (OpenClaw/OpenCode)
├── code_format/           ← OpenCode CLI 集成
├── example/               ← 各平台调用示例
├── plugin.yaml            ← Hermes 插件元数据

部署

依赖与数据库

• 依赖: pydantic>=2.7, python-dotenv>=1.0, numpy>=1.26, PyYAML>=6.0
• 数据库: ~/.echomind/memory.db（可在 echomind_config.yaml 中修改），14 张表自动创建

Hermes Agent（推荐 — 100% 自动存取）

# 安装
cp -r echomind_memory.skill ~/.hermes/plugins/echomind/
hermes config set memory.provider echomind
 
# 启动 Hermes 即自动运行，无需手动操作
hermes

效果：Hermes 的 agent_loop 每轮之前自动 prefetch() 检索记忆，每轮之后自动 sync_turn() 存储。LLM 不需要决策，100% 可靠。

OpenClaw / OpenCode / Claude Code（HTTP 模式）

python3 main.py              # 启动 FastAPI 服务 (port 8005)

LLM 通过 tool 调用 HTTP API，依赖 SKILL.md 触发规则。

Platform-aware 记忆

所有记忆带平台标签存储。检索时同平台记忆权重 ×1.0，跨平台 ×0.5。用户偏好按平台隔离，_default 键为公共基础。

已知限制

• knowledge_memory 依赖关键词匹配（9 个预设领域），通用任务不创建知识条目
• /mnt/d/ Windows 路径下 uvicorn 后台不稳定，建议在 WSL 原生路径运行
• context_memory 只在 store 时写入，未调用 store 时为空白