docs/design/auto-memory/memory-system.md
本文介绍 Qwen Code 中 Managed Auto-Memory(托管自动记忆)的记忆管理机制、触发时机和实现细节。
Managed Auto-Memory 是一套在 AI 会话过程中自动积累、整合和检索用户相关知识的持久化记忆系统。它通过四个核心操作维护记忆的生命周期:
| 操作 | 英文 | 触发方式 | 作用 |
|---|---|---|---|
| 提取 | Extract | 自动(每轮对话后) | 从对话记录中提炼新知识写入记忆文件 |
| 整合 | Dream | 自动(周期性后台任务) | 对记忆文件去重、合并,保持整洁 |
| 召回 | Recall | 自动(每轮对话前) | 检索与当前请求相关的记忆注入到系统提示 |
| 遗忘 | Forget | 手动(用户命令 /forget) | 精确删除指定的记忆条目 |
~/.qwen/ ← 全局基础目录(默认)
└── projects/
└── <sanitized-git-root>/ ← 项目标识(基于 Git 根路径)
├── meta.json ← 元数据(提取/整合时间戳、状态)
├── extract-cursor.json ← 提取游标(已处理的对话偏移量)
├── consolidation.lock ← Dream 进程互斥锁
└── memory/ ← 记忆主目录
├── MEMORY.md ← 索引文件(自动生成,汇总所有条目)
├── user.md ← 用户偏好记忆(示例)
├── feedback.md ← 反馈规范记忆(示例)
├── project/
│ └── milestone.md ← 项目记忆(支持子目录)
└── reference/
└── grafana.md ← 外部资源记忆
环境变量覆盖:
QWEN_CODE_MEMORY_BASE_DIR:替换全局基础目录QWEN_CODE_MEMORY_LOCAL=1:改用项目内路径.qwen/memory/
| 文件 | 说明 |
|---|---|
meta.json | 记录最后一次 Extract / Dream 的时间、会话 ID、涉及的记忆类型、执行状态 |
extract-cursor.json | 记录当前会话已处理到对话历史的哪个偏移量,避免重复提取 |
consolidation.lock | Dream 运行时的文件锁,内容为持有者 PID,超过 1 小时自动失效 |
MEMORY.md | 所有主题文件的索引,每次 Extract/Dream 后重建,格式为 Markdown 列表 |
系统支持四种内置记忆类型,每种对应不同的信息维度:
| 类型 | 存储内容 | 何时写入 | 何时读取 |
|---|---|---|---|
user | 用户的角色、技能背景、工作习惯 | 了解到用户角色/偏好/知识背景时 | 回答需要根据用户背景定制时 |
feedback | 用户对 AI 行为的指导:避免什么、继续什么 | 用户纠正 AI 或确认某种非显而易见的做法时 | 影响 AI 行为方式时 |
project | 项目进展、目标、决策、截止日期、Bug 追踪 | 了解到谁在做什么、为什么、截止何时时 | 帮助 AI 理解工作背景和动机时 |
reference | 外部系统资源指针(Dashboard、工单系统、Slack 频道等) | 得知某种外部资源及其用途时 | 用户提及外部系统或相关信息时 |
不应该存入记忆的内容:代码模式/约定、Git 历史、调试方案、临时任务状态、已在 QWEN.md/AGENTS.md 中记录的内容。
每个主题文件使用 YAML frontmatter + Markdown body 格式:
---
name: 记忆名称
description: 一句话描述(用于判断召回相关性,要具体)
type: user|feedback|project|reference
---
记忆主体内容(summary 行)
Why: 背后原因(让 AI 能理解边界情况而不是盲目遵守规则)
How to apply: 适用场景和使用方式
对于 feedback 和 project 类型,强烈建议填写 Why 和 How to apply,使记忆在边界情况下仍能正确应用。
flowchart TD
A([用户发送请求]) --> B
subgraph "召回 Recall"
B[扫描所有主题文件] --> C{文档数量和\n查询内容是否有效?}
C -- 否 --> D[返回空提示词\nstrategy: none]
C -- 是 --> E{是否配置了 Config?}
E -- 是 --> F[模型驱动选择\nside query]
F --> G{选出相关文档?}
G -- 是 --> H[strategy: model]
G -- 否 --> I[strategy: none]
E -- 否 --> J[启发式关键词评分]
F -- 失败 --> J
J --> K{有得分 > 0 的文档?}
K -- 是 --> L[strategy: heuristic]
K -- 否 --> I
H --> M[构建 Relevant Memory 提示词\n注入系统提示]
L --> M
I --> N[不注入记忆]
end
M --> O([AI 处理请求])
N --> O
D --> O
O --> P([AI 返回响应])
subgraph "提取 Extract(后台)"
P --> Q{本轮 AI 是否\n直接写了记忆文件?}
Q -- 是 --> R[跳过\nmemory_tool]
Q -- 否 --> S{提取任务是否\n正在运行?}
S -- 是 --> T[放入队列或跳过\nalready_running / queued]
S -- 否 --> U[加载未处理的对话切片\n基于 extract cursor]
U --> V[调用提取 Agent\nrunAutoMemoryExtractionByAgent]
V --> W[去重规范化 patches]
W --> X{有 touched topics?}
X -- 是 --> Y[更新 meta.json\n重建 MEMORY.md 索引]
X -- 否 --> Z[仅更新 extract cursor]
Y --> Z
end
subgraph "Dream 整合(后台,周期性)"
P --> AA{Dream 调度门控检查}
AA --> AB{是否同一会话?}
AB -- 是 --> AC[跳过\nsame_session]
AB -- 否 --> AD{距上次 Dream\n≥ 24 小时?}
AD -- 否 --> AE[跳过\nmin_hours]
AD -- 是 --> AF{距上次 Dream 后\n新会话数 ≥ 5?}
AF -- 否 --> AG[跳过\nmin_sessions]
AF -- 是 --> AH{consolidation.lock\n是否存在?}
AH -- 是 --> AI[跳过\nlocked]
AH -- 否 --> AJ[获取锁\n写入 PID]
AJ --> AK{是否配置了 Config?}
AK -- 是 --> AL[Agent 路径\nplanManagedAutoMemoryDreamByAgent]
AL --> AM{Agent 是否触碰了文件?}
AM -- 是 --> AN[记录触碰的 topics]
AM -- "否/失败" --> AO
AK -- 否 --> AO[机械去重路径\n解析+去重+按字母排序]
AO --> AP[写回更新后的主题文件]
AN --> AQ[重建 MEMORY.md 索引\n更新 meta.json]
AP --> AQ
AQ --> AR[释放锁]
end
每次 AI 完成一轮响应后,由 scheduleAutoMemoryExtract 自动触发(后台非阻塞)。
extractScheduler.ts)flowchart TD
A[scheduleAutoMemoryExtract 被调用] --> B{本轮历史记录中\n是否有写记忆文件的工具调用?}
B -- 是 --> C[登记 skipped 任务\n原因: memory_tool]
B -- 否 --> D{isExtractRunning?}
D -- 是 --> E{是否已有 queued 请求?}
E -- 是 --> F[更新 queued 请求的\nhistory 参数]
E -- 否 --> G[注册 pending 任务\n放入 queue]
D -- 否 --> H[注册 running 任务\n调用 runTask]
H --> I[markExtractRunning\nsetCurrentTaskId]
I --> J[runAutoMemoryExtract]
J --> K[任务完成]
K --> L[clearExtractRunning\n检查 queue → startQueuedIfNeeded]
F --> M[返回 skipped: queued]
G --> M
C --> N[返回 skipped: memory_tool]
跳过原因说明:
| 原因 | 含义 |
|---|---|
memory_tool | 本轮主 Agent 已直接写了记忆文件,跳过以避免冲突 |
already_running | 提取正在进行且无法入队 |
queued | 已有提取在运行,本次请求已入队 |
extract.ts)flowchart TD
A[runAutoMemoryExtract] --> B[ensureAutoMemoryScaffold\n初始化目录和文件]
B --> C[buildTranscriptMessages\n将 Content[] 转换为带 offset 的消息列表]
C --> D[readExtractCursor\n读取上次处理到的位置]
D --> E[loadUnprocessedTranscriptSlice\n截取未处理的消息段]
E --> F{slice 为空?}
F -- 是 --> G[返回无 patches 结果]
F -- 否 --> H[runAutoMemoryExtractionByAgent\n调用 forked agent 提取 patches]
H --> I[dedupeExtractPatches\n去重+规范化]
I --> J{有 touched topics?}
J -- 是 --> K[bumpMetadata\n更新 meta.json]
K --> L[rebuildManagedAutoMemoryIndex\n重建 MEMORY.md]
L --> M[writeExtractCursor\n记录最新 offset]
J -- 否 --> M
M --> N[返回 AutoMemoryExtractResult]
提取游标(Cursor):
{ sessionId, processedOffset, updatedAt }processedOffset 为当前历史长度offset >= processedOffset 的消息sessionId 变化)从偏移量 0 重新开始Patch 过滤规则:
? 结尾 → 丢弃(疑问句)topic:summary 组合 → 去重每次 AI 完成一轮响应后,由 scheduleManagedAutoMemoryDream 自动触发(后台非阻塞)。但受多个门控条件保护,大多数情况下会被跳过。
dreamScheduler.ts)flowchart TD
A[scheduleManagedAutoMemoryDream 被调用] --> B{Dream 功能是否启用?}
B -- 否 --> C[跳过: disabled]
B -- 是 --> D[ensureAutoMemoryScaffold\n读取 lastDreamSessionId]
D --> E{当前 sessionId\n== lastDreamSessionId?}
E -- 是 --> F[跳过: same_session]
E -- 否 --> G{elapsedHours ≥ 24h\n或从未 dream?}
G -- 否 --> H[跳过: min_hours]
G -- 是 --> I{距上次 session scan\n< 10 分钟?}
I -- 是 --> J[跳过: min_sessions\n等待下次扫描窗口]
I -- 否 --> K[扫描 chats/*.jsonl mtime\n统计上次 Dream 后的新会话数]
K --> L{新会话数 ≥ 5?}
L -- 否 --> M[跳过: min_sessions]
L -- 是 --> N{lockExists?\nPID 检查 + 过期检查}
N -- 是 --> O[跳过: locked]
N -- 否 --> P{dedupeKey 是否已有\n同项目 Dream 任务?}
P -- 是 --> Q[跳过: running\n返回已有 taskId]
P -- 否 --> R[调度后台任务\nBgTaskScheduler]
R --> S[acquireDreamLock\n写入 PID 到 consolidation.lock]
S --> T[runManagedAutoMemoryDream]
T --> U[更新 meta.json\n释放锁]
门控参数:
| 参数 | 默认值 | 说明 |
|---|---|---|
minHoursBetweenDreams | 24 小时 | 两次 Dream 之间的最小时间间隔 |
minSessionsBetweenDreams | 5 个会话 | 触发 Dream 所需的最小新会话数 |
SESSION_SCAN_INTERVAL_MS | 10 分钟 | 会话文件扫描的节流间隔 |
DREAM_LOCK_STALE_MS | 1 小时 | lock 文件被视为过期的时间阈值 |
锁机制:
<project-state-dir>/consolidation.lockkill(pid, 0) 失败)或 lock 超过 1 小时 → 视为过期,自动清除dream.ts)flowchart TD
A[runManagedAutoMemoryDream] --> B{是否配置了 Config?}
B -- 是 --> C[Agent 路径\nplanManagedAutoMemoryDreamByAgent]
C --> D{Agent 是否修改了文件?}
D -- 是 --> E[从文件路径推断 touched topics]
E --> F[bumpMetadata\n重建 MEMORY.md 索引]
F --> G[updateDreamMetadataResult]
G --> H[记录遥测事件]
H --> I[返回结果]
B -- 否 --> J[机械去重路径]
C -- 抛出异常 --> J
D -- 否 --> J
J --> K[scanAutoMemoryTopicDocuments\n读取所有主题文件]
K --> L[对每个文件执行 buildDreamedBody]
L --> M[解析 entries → 按 summary 去重\n按字母升序排序 → 重新渲染]
M --> N{body 有变化?}
N -- 是 --> O[写回文件]
O --> P[记录 touched topic]
N --> Q[检查跨文件重复\ndedupeKey = type:summary]
Q --> R{发现重复文件?}
R -- 是 --> S[合并 entries 到 canonical 文件\n删除重复文件]
S --> P
R -- 否 --> T{有 touched topics?}
P --> T
T -- 是 --> U[bumpMetadata\n重建 MEMORY.md 索引]
U --> V[updateDreamMetadataResult\n记录遥测 → 返回结果]
T -- 否 --> V
机械去重逻辑:
summary.toLowerCase() 去重,合并 why/howToApply 字段type:summary 的条目合并到最先发现的文件,删除重复文件每轮 AI 处理用户请求之前,由 resolveRelevantAutoMemoryPromptForQuery 自动触发,将相关记忆注入系统提示词。
recall.ts)flowchart TD
A[resolveRelevantAutoMemoryPromptForQuery] --> B[scanAutoMemoryTopicDocuments\n扫描所有主题文件]
B --> C[filterExcludedAutoMemoryDocuments\n过滤本轮已写入的文件]
C --> D{query 为空\n或 docs 为空\n或 limit <= 0?}
D -- 是 --> E[返回空 prompt\nstrategy: none]
D -- 否 --> F{是否配置了 Config?}
F -- 是 --> G[selectRelevantAutoMemoryDocumentsByModel\n发起 side query 请求模型选择]
G --> H{模型返回结果?}
H -- 有文档 --> I[strategy: model]
H -- 无文档 --> J[strategy: none\n仍然返回空]
G -- "失败/异常" --> K[回退到启发式选择]
F -- 否 --> K
K --> L[tokenize query\n提取 ≥3 字符的 token]
L --> M[scoreDocument 打分\n关键词匹配 +2 / 类型关键词 +1 / 有内容 +1]
M --> N[过滤 score=0 的文档\n按分数降序排列,取 Top 5]
N --> O{有得分文档?}
O -- 是 --> P[strategy: heuristic]
O -- 否 --> J
I --> Q[buildRelevantAutoMemoryPrompt\n构建 Relevant Memory 区块]
P --> Q
Q --> R[返回注入主系统提示的 prompt 片段]
评分规则(启发式):
| 条件 | 加分 |
|---|---|
| query token 出现在文档内容中 | +2(每个 token) |
| query token 是该类型的特征关键词 | +1(每个 token) |
| 文档 body 非空 | +1 |
每种类型的特征关键词:
user:user, preference, background, role, tersefeedback:feedback, rule, avoid, style, summaryproject:project, goal, incident, deadline, releasereference:reference, dashboard, ticket, docs, linkPrompt 构建规则:
MAX_RELEVANT_DOCS)MAX_DOC_BODY_CHARS)由用户手动执行 /forget <query> 命令触发。
forget.ts)flowchart TD
A[forgetManagedAutoMemoryEntries\nquery + config] --> B[ensureAutoMemoryScaffold]
B --> C[listIndexedForgetCandidates\n扫描所有文件的所有 entry]
C --> D[为每个 entry 生成稳定 ID\n单 entry 文件: relativePath\n多 entry 文件: relativePath:index]
D --> E{是否配置了 Config?}
E -- 是 --> F[selectByModel\n构建 selection prompt\n发起 side query temperature=0]
F --> G{模型选择成功?}
G -- 是 --> H[strategy: model]
G -- 失败 --> I[selectByHeuristic\n关键词匹配]
E -- 否 --> I
I --> J[strategy: heuristic]
H --> K[遍历选中的 candidates]
J --> K
K --> L{entries.length == 1?}
L -- 是 --> M[删除整个文件\nfs.unlink]
L -- 否 --> N[解析文件中的所有 entries\n移除目标 entry\n重新渲染写回]
M --> O[记录 removedEntries]
N --> O
O --> P{有 touched topics?}
P -- 是 --> Q[bumpMetadata\n重建 MEMORY.md 索引]
P --> R[返回 AutoMemoryForgetResult]
Q --> R
Entry ID 设计:
relativePath(如 feedback/no-summary.md)relativePath:index(如 feedback/style.md:2)MEMORY.md 是所有主题文件的导航索引,每次 Extract 或 Dream 后调用 rebuildManagedAutoMemoryIndex 重建:
- [用户偏好](user/preferences.md) — 用户是资深 Go 工程师,第一次接触 React
- [反馈规范](feedback/style.md) — 保持回复简洁,不要尾部总结
- [项目里程碑](project/milestone.md) — 移动端发布切分支前的合并冻结窗口
索引限制:
… 截断)系统内置三类遥测事件,用于监控记忆操作的性能和效果:
| 字段 | 类型 | 说明 |
|---|---|---|
trigger | 'auto' | 触发方式(当前仅自动) |
status | 'completed' | 'failed' | 执行结果 |
patches_count | number | 提取到的有效 patch 数量 |
touched_topics | string[] | 被写入的记忆类型列表 |
duration_ms | number | 总耗时(毫秒) |
| 字段 | 类型 | 说明 |
|---|---|---|
trigger | 'auto' | 触发方式 |
status | 'updated' | 'noop' | 'failed' | 执行结果 |
deduped_entries | number | 机械路径去重的条目数量 |
touched_topics | string[] | 被修改的记忆类型列表 |
duration_ms | number | 总耗时(毫秒) |
| 字段 | 类型 | 说明 |
|---|---|---|
query_length | number | 查询字符串长度 |
docs_scanned | number | 扫描的文档总数 |
docs_selected | number | 最终注入的文档数 |
strategy | 'none' | 'heuristic' | 'model' | 选择策略 |
duration_ms | number | 总耗时(毫秒) |
| 文件 | 职责 |
|---|---|
packages/core/src/memory/types.ts | 类型定义:AutoMemoryType、AutoMemoryMetadata、AutoMemoryExtractCursor |
packages/core/src/memory/paths.ts | 路径计算:getAutoMemoryRoot、isAutoMemPath、各类文件路径 helpers |
packages/core/src/memory/store.ts | 脚手架初始化:ensureAutoMemoryScaffold,索引/元数据读写 |
packages/core/src/memory/scan.ts | 扫描主题文件:scanAutoMemoryTopicDocuments,解析 frontmatter |
packages/core/src/memory/entries.ts | 条目解析和渲染:parseAutoMemoryEntries、renderAutoMemoryBody |
packages/core/src/memory/extract.ts | 提取核心逻辑:runAutoMemoryExtract,游标管理,patch 去重 |
packages/core/src/memory/extractScheduler.ts | 提取调度器:ManagedAutoMemoryExtractRuntime,队列/运行状态机 |
packages/core/src/memory/extractionAgentPlanner.ts | 提取 Agent:runAutoMemoryExtractionByAgent |
packages/core/src/memory/dream.ts | 整合核心逻辑:runManagedAutoMemoryDream,Agent 路径 + 机械去重 |
packages/core/src/memory/dreamScheduler.ts | 整合调度器:ManagedAutoMemoryDreamRuntime,门控检查,锁管理 |
packages/core/src/memory/dreamAgentPlanner.ts | 整合 Agent:planManagedAutoMemoryDreamByAgent |
packages/core/src/memory/recall.ts | 召回逻辑:resolveRelevantAutoMemoryPromptForQuery,启发式+模型双路径 |
packages/core/src/memory/forget.ts | 遗忘逻辑:forgetManagedAutoMemoryEntries,候选生成+精确删除 |
packages/core/src/memory/indexer.ts | 索引重建:rebuildManagedAutoMemoryIndex,buildManagedAutoMemoryIndex |
packages/core/src/memory/prompt.ts | 系统提示模板:记忆类型说明、格式示例、使用规范 |
packages/core/src/memory/governance.ts | 治理建议类型:AutoMemoryGovernanceSuggestionType |
packages/core/src/memory/state.ts | 提取运行状态:isExtractRunning、markExtractRunning、clearExtractRunning |
packages/core/src/memory/memoryAge.ts | 新鲜度描述:memoryAge、memoryFreshnessText |