记忆进化 Memory Evolution

描述（中文） 自学习记忆进化系统，以进化引擎、衰减遗忘和多触发反思仿人类记忆模式。从用户纠正、自我反思和自动模式检测中构建持久知识库。 描述（英文） Self-learning memory system with evolution engine, decay-based forgetting, and multi-trigger reflection. Builds persistent knowledge from corrections, self-reflection, and automated pattern detection. 完整描述 Memory Evolution — 统一的 AI 自学习记忆进化系统 让 AI 拥有持久记忆、从错误中自我进化、自动管理知识生命周期。 合并了 self-improving（我第一代进化引擎）+ cognitive-memory（衰减遗忘）+ ontology（结构化知识）三个技能的精华，打磨为一个开箱即用的系统。 🔥 三层存储架构 层级 用途 行为 HOT 核心规则、用户偏好、纠正记录 始终加载在上下文中（每文件≤100行） WARM 项目级经验、领域知识 按需加载（每文件≤200行） COLD 归档的历史经验 仅显式查询时检索 自动升降级：7天内使用3次的模式提升到 HOT；30天未使用的降级到 WARM；衰减到阈值以下归档到 COLD。 🧬 进化引擎 四模块协同工作，全程本地运行，无需网络： Sensor — 自动记录每次任务的成败结果和上下文 World Model — 分析历史数据，预测哪种做法更容易成功 Evo Devo — 用遗传算法思路生成新策略提案 Covenant — 安全守卫，拦截危险策略 引擎经历四个成长阶段：embryonic（被动记录）→ juvenile（开始提议）→ mature（主动进化）→ expert（高置信预测）。 ⏳ 科学衰减遗忘 不是简单的时间清理，而是仿���脑的衰减模型： relevance = base × e^(-0.03 × 天数) × log2(访问次数 + 1) × 类型权重 核心规则（HOT）衰减更慢（权重 1.5） 用户纠正保留更久（权重 1.2） 项目经验衰减较快（权重 0.8） 永远不会自动删除——只归档，不丢失 💭 三种反思触发 自动反思 — 完成重要任务后（5+工具调用或修改2+文件），自问"学到了什么"，记录非显而易见的经验 手动反思 — 用户说"反思""回顾""做梦"时，读取近期所有记忆，提取2-4个模式，写入前确认 定时做梦 — 融入心跳/定时任务，定期重算衰减分数、降级过期条目、提取待审提案 🔒 安全设计 写入核心记忆（HOT）前必须向用户确认 遗忘操作需要用户确认后才执行 归档操作只移不移删，记录操作原因 用户纠正优先级高于一切（包括引擎提案） 绝不从沉默中推断偏好 🚀 快速开始 安装后运行 python scripts/init.py 即可初始化数据目录，支持 --path 自定义位置。跨平台支持（Windows/macOS/Linux）。 适用场景： 长期项目中让 AI 积累领域经验 团队协作中让 AI 记住每个人的偏好和纠正 复杂系统中让 AI 自动发现和优化工作模式 任何需要 AI "越用越懂你" 的场景