Memory Protocol
July 31, 2026 · View on GitHub
每轮必须执行的记忆操作
每次对话，Agent 必须按以下顺序操作：
1. memory_weave — 获取记忆上下文（BEFORE responding）
2. memory_ingest — 存储重要发现（AFTER interaction）
工具说明
| 工具 | 参数 | 说明 |
|---|---|---|
memory_weave | user_message, scene_summary | 返回记忆上下文块，注入到 prompt 中 |
memory_search | query, limit | 深度搜索历史记忆 |
memory_ingest | content, role | 存储关键信息（bug、决策、偏好） |
memory_status | — | 检查记忆系统健康状态 |
memory_feedback | query_id, outcome, cited_ids | 反馈检索质量，训练权重 |
接入方式
OpenCode: 复制 ~/.config/opencode/opencode.json 中的 mcp.opencode-memory 段和 agent.sisyphus.prompt_append 段。
透明代理: ./start.sh 启动，Agent 设置 OPENAI_API_BASE=http://127.0.0.1:8888/v1。
Python: from memory_skill import MemorySkill, MemorySkillConfig
反模式
- ❌ 回复前不调
memory_weave— 丢失上下文注入机会 - ❌ 只调
memory_search而不调memory_weave— weave 自动注入更高效 - ❌ 存储无意义的内容 — 重要性门控会自动过滤
人格配置
Agent 人格通过 ingest_pers(trait) 设置，自动累积为人物卡注入到每次对话中。
skill.ingest_pers("简洁")
skill.ingest_pers("代码优先")
skill.ingest_pers("用中文回复")