gh-dwsy-ai-runtime-ai-runtime-memory/skills/memory/references/advanced/maintenance.md

记忆系统维护指南

日常维护任务

定期清理

# 清理7天前的短期记忆
find .ai-runtime/memory/short-term/ -mtime +7 -delete

# 检查episodic目录结构
find .ai-runtime/memory/episodic/ -type f -name "*.md" | head -20

索引更新

# 手动刷新记忆索引
python3 -c "from memory_discovery import MemoryDiscovery; d=MemoryDiscovery('.ai-runtime/memory'); d.refresh()"

一致性检查

• 验证所有episodic文件都有有效的YAML front matter
• 检查时间戳格式统一性
• 确认标签命名规范

事件添加流程

1. 创建事件文件

# 创建目录结构（如果不存在）
mkdir -p .ai-runtime/memory/episodic/$(date +%Y/%m/%d)

# 创建事件文件
vim .ai-runtime/memory/episodic/$(date +%Y/%m/%d)/event-description.md

2. YAML Front Matter 模板

---
id: unique-event-id
type: event|decision|error|meeting|milestone
level: day
timestamp: "2025-11-14T10:30:00"
tags: [tag1, tag2, tag3]
related: [related-event-id-1, related-event-id-2]
---

# 事件标题

## 时间
2025-11-14 10:30:00

## 标签
tag1, tag2, tag3

## 内容
详细的事件描述，包括：
- 背景信息
- 决策过程
- 结果和影响
- 后续行动项

## 相关事件
- [related-event-id-1](link-to-related)
- [related-event-id-2](link-to-related)

3. 事件类型规范

类型	描述	示例
event	一般事件	代码审查、部署上线
decision	关键决策	架构选择、技术栈变更
error	错误和问题	生产故障、构建失败
meeting	会议纪要	团队会议、客户会议
milestone	里程碑	项目启动、版本发布

4. 标签规范

技术标签:

• architecture - 架构相关
• database - 数据库相关
• frontend - 前端相关
• backend - 后端相关
• devops - 运维相关
• security - 安全相关

活动标签:

• planning - 规划阶段
• development - 开发阶段
• testing - 测试阶段
• deployment - 部署阶段
• maintenance - 维护阶段

结果标签:

• success - 成功
• failure - 失败
• improvement - 改进
• regression - 回归

记忆固化策略

短期记忆 → 长期记忆

触发条件:

• 识别出可复用的技术模式
• 积累了足够的使用经验
• 形成了最佳实践

固化流程:

1. 从短期记忆提取关键信息
2. 整理为结构化文档
3. 移动到 long-term/ 目录
4. 更新相关引用
5. 添加到知识图谱

示例:

# 提取OAuth2.0集成经验
cp .ai-runtime/memory/short-term/oauth-integration-notes.md .ai-runtime/memory/long-term/oauth-integration-patterns.md

# 更新引用
echo "- oauth-integration-patterns.md" >> .ai-runtime/memory/long-term/index.md

工作记忆 → 情景记忆

触发条件:

• 任务完成
• 关键决策做出
• 错误发生并解决
• 里程碑达成

固化流程:

1. 自动生成事件ID
2. 创建时间戳
3. 提取上下文信息
4. 添加到episodic时间线
5. 更新相关链接

自动固化:

# 使用/runtime.remember命令
/runtime.remember "完成了用户认证模块重构，采用JWT替代session"

质量保证

一致性检查脚本

#!/usr/bin/env python3
"""记忆系统质量检查工具"""

import sys
from pathlib import Path
from memory_discovery import MemoryDiscovery

def check_memory_quality(memory_root: Path):
    """检查记忆系统质量"""
    discovery = MemoryDiscovery(str(memory_root))

    issues = []

    # 检查episodic文件
    for event in discovery.events:
        # 检查必需字段
        if not event.id:
            issues.append(f"事件缺少ID: {event.path}")
        if not event.timestamp:
            issues.append(f"事件缺少时间戳: {event.path}")
        if not event.title:
            issues.append(f"事件缺少标题: {event.path}")

        # 检查时间合理性
        if event.timestamp and event.timestamp > datetime.now():
            issues.append(f"事件时间戳为未来: {event.path}")

    return issues

if __name__ == "__main__":
    memory_root = Path(".ai-runtime/memory")
    issues = check_memory_quality(memory_root)

    if issues:
        print("发现以下质量问题:")
        for issue in issues:
            print(f"  - {issue}")
        sys.exit(1)
    else:
        print("记忆系统质量检查通过")

数据备份策略

自动备份:

• 每日备份episodic目录
• 每周备份long-term目录
• 每月备份完整记忆系统

备份脚本:

#!/bin/bash
# 记忆系统备份脚本

BACKUP_DIR=".ai-runtime/backups"
TIMESTAMP=$(date +%Y%m%d_%H%M%S)

mkdir -p $BACKUP_DIR

# 备份episodic记忆
tar -czf $BACKUP_DIR/episodic_$TIMESTAMP.tar.gz .ai-runtime/memory/episodic/

# 备份long-term记忆
tar -czf $BACKUP_DIR/long-term_$TIMESTAMP.tar.gz .ai-runtime/memory/long-term/

echo "备份完成: $TIMESTAMP"

性能优化

索引优化

• 定期重建事件索引
• 优化时间范围查询
• 维护标签倒排索引

存储优化

• 压缩历史episodic文件
• 清理重复内容
• 归档过期短期记忆

查询优化

• 使用分页查询大量数据
• 优先使用索引字段过滤
• 缓存常用查询结果