deskpaw-memory

DeskPaw 的本地记忆与上下文整理模块。它作为 deskpaw-agent 的平级服务运行，通过本地 socket 提供：

• 任务卡和执行结果的持久化；
• 新旧任务关联度提示；
• 日程附属资料夹；
• 每轮执行前的有限上下文包；
• 按 03:30 工作日组织的话题经历、长期事实和技能草稿；
• 主动整理记录与可观测事件。

模块不保存隐藏思考，不接管日程执行，不直接操作电脑或发送消息。Agent 不依赖本服务才能运行；服务离线时自动降级。

deploy/deskpaw-memory.service 是当前 KickPi 部署模板。bin/run-memory 会读取设备配置中的 DESKPAW_NODE_BIN，避免 systemd 找不到 NVM 安装的 Node。服务应先于 Agent 启动；它故障重启时不会要求 Agent 一起重启。

启动

Linux 默认 socket 为 ~/.deskpaw/runtime/memory.sock：

npm start

正式状态统一保存在 ~/.deskpaw/memory/：SQLite 数据库位于 data/memory.sqlite3，日程和项目资料位于 bundles/。旧版 Python 记忆服务的数据应迁到 ~/.deskpaw/memory-legacy/，不要与本模块共用数据库。

可配置：

DESKPAW_STATE_DIR=/path/to/state
DESKPAW_MEMORY_SOCKET=/path/to/memory.sock
DESKPAW_MEMORY_DB=/path/to/memory.sqlite
DESKPAW_MEMORY_BUNDLES=/path/to/bundles

协议为单请求连接的 JSON Lines。请求包含 id、method、params，响应包含 id、ok、result/error。

接口：health、memory.recall、interaction.remember、transition.assess、context.prepare、task.complete、task.list、consolidation.record、memory.maintenance.status/plan/commit、memory.topic.get、memory.skill.list/get/set_status、bundle.get/list/document.put。修改资料使用 expected_revision，防止猫窝和桌喵同时编辑时旧内容覆盖新内容。

顶层记忆

DeskPaw 使用一个 Session。顶层 Agent 每轮先同步已完成的问答，再调用 memory.recall； Memory 返回相关与最近的问答、任务卡以及资料包，供顶层优先回答“之前的任务”“刚才怎么样”等问题。 来源仅作为 source 元数据保存，不作为检索过滤条件。同步按 interaction_id 幂等写入， 并经 safeMemoryText 过滤敏感文本；不要在记忆资料中放入凭据或隐藏推理。

memory.recall 请求示例：

{"id":"request-1","method":"memory.recall","params":{"query":"之前 UFO 检查怎么样了","limit":8}}

结果保留旧的任务卡、问答和资料包字段，并新增 recent_workdays、related_topics、 core_facts、related_facts 和 relevant_skills。话题按标题和概括召回，长期事实按范围和内容匹配； 上层会裁剪候选数量，详细经历通过 memory.topic.get 按话题 ID 分页读取。 旧任务卡检索仍只扫描最近 100 张、逐条问答检索仍只扫描最近 200 条； 话题检索目前扫描全部话题并排序，尚未建立全文索引；数据量显著增长后应换成索引召回。 transition.assess 只提示任务切换， 不决定经历是否合并。

话题与整理

记忆中的 topic_id 是话题单元，既可表示执行任务，也可表示闲聊和讨论；它与 Agent 执行队列的 task_id 不同。一个话题可跨工作日继续。工作日固定为北京时间 03:30 至次日 03:29:59， 与实际压缩作业是否延期无关。SQLite 中的 topic_interactions 只建立关联，不改写原始交互； topic_segments 保存每日极简概括。最近三个有话题片段的工作日进入顶层概览，旧话题仍可检索。 原始执行日志仍由 Agent 运行时 SQLite 保存；Agent 按话题读取详情时，利用关联的执行任务 ID 补充有限的执行日志，不在 Memory 中复制无界工具输出。

下层 Agent 在无执行任务时分批调用 memory.maintenance.plan，使用执行模型归类话题、概括结果与问题， 然后用 memory.maintenance.commit 原子写入。每条交互必须恰好分配一次；重启中断不会删除原始记录。 一小时无用户或执行活动后会整理未归档交互；跨过 03:30 时，在下层空闲后复核前一工作日。 整理期间上层 Supervisor 仍可交流，新执行任务排队等待。Memory 服务本身不调用模型或 Executor。

长期事实必须附可逐字核对的证据，但不要求每批对话都提炼事实。profile 只收来自用户原话的 稳定身份、交流偏好和职业工作方式，并须标明 profile_kind；当前推进的工作用 project， 只按相关性提供，不常驻顶层画像。具体日程、临时位置、输入法状态、软件是否已打开和单次测试结果 留在话题经历，不提炼为稳定画像。environment 仅限受控设备范围；无论观察来自用户原话还是 任务结果，单个工作日都只能是 candidate，跨两个有效工作日有独立证据才会变成 active。 仅有上层回复复述不算验证；三天未获佐证的候选在日审中停用。已停用的事实不会被整理作业自动重启。 少量全局 profile 常驻上层，project 和已确认的设备事实按问题相关性挑选。 用户指导产生的技能只进入 draft，须用户本轮明确要求启用后才能 set_status 为 active；执行层可以读取草稿用于审阅，但只有已启用技能可作为执行参考。 不要把凭据、隐藏思考或无界工具输出写入记忆。

服务故障不会暂停执行队列。顶层会显示实际的记忆请求错误；恢复服务后， 后续交互会继续同步最近的已完成问答。

资料夹

日程第一次运行时会按稳定 schedule_id 建立：

bundles/schedule/<schedule_id>/
  INDEX.md
  requirements.md
  preferences.md
  lessons.md
  state.json
  runs/<run_id>/summary.md

数据库保存权威状态，以上文件用于猫窝展示和按需阅读。