Skip to main content
返回博客
如何让 MadoHub 拥有持久记忆:设计原则与人工审核防线
博客

如何让 MadoHub 拥有持久记忆:设计原则与人工审核防线

深入解析 MadoHub 记忆系统的底层架构:六大原子记忆类型、Persona 与项目双命名空间,以及为何“未经人类确认的记忆绝不沉淀为永久事实”。

每个传统的 Agent 会话几乎都从白纸一张开始。你周一向 Claude Code 强调过“本项目严格使用 pnpm 而非 npm”,可到了周四开启新会话时,这段重要共识早已烟消云散——除非你每次都不厌其烦地重新强调,或者由某种底层机制替你长久铭记。

这正是我们在过去几个版本中深耕的核心工程:为 MadoHub 构建一套脱离单次聊天上下文、能够跨会话与跨项目持久留存的长期记忆系统。这套系统赋予了 Agent 读写和继承经验的能力。

在本文中,我们将分享这套记忆系统的成型历程,以及其中最重要的一个架构决策:由模型自动抽取的记忆候选,在得到人类明确审批之前,绝不能成为真正的永久记忆。

MadoHub 的架构设计

1. 六大原子记忆类型(Kind)

为了杜绝模糊不清的自由格式标签,MadoHub 的记忆条目被严格限制在以下六种确定性的类型中:

类型 (Kind)语义与定位典型场景
preference经过确认的用户行为偏好“倾向于精简代码回复,无需过多解释”
fact关于项目的客观、可验证事实“后端服务运行在 Node 22 环境”
decision已拍板的技术选型及背后的决策原因“因打包体积和性能考量选用 Tauri 而非 Electron”
pattern值得固化的代码风格与复用套式“所有异步请求统一走 apiClient 中间件包装”
postmortem踩坑复盘与防复发规则“修复了某处边界溢出后,下次修改该模块必跑专项测试”
event发生过的关键历史里程碑“系统于 6 月完成首批核心重构”

这里既没有第七个模糊类型,也不允许输入未经约束的自由文本字段。这种严谨的收敛是有意为之:Memory Dashboard 依赖类型进行结构化筛选与标签聚合,任何模糊的“幽灵类型”都会破坏未来检索的准确性。

2. 双重命名空间隔离:Persona 与 Workspace

记忆需要清晰的生效边界。MadoHub 引入了双重命名空间:

  • persona: 命名空间:将通用偏好绑定到当前激活的人格角色(例如个人工作习惯)。
  • workspace: 命名空间:将架构知识与业务规则严格限定在具体代码库(例如特定仓库的专属约定)。

当 Agent 写入记忆且未指定作用域时,默认继承当前 Persona;而当它检索时,可精确定位到特定项目,绝不会把项目 A 的私有依赖混淆到项目 B 的上下文中。

3. 候选记忆诞生的四条路径

除开发者直接手动录入之外,MadoHub 还会在后台以极低的算力成本静默守护上下文:

  • 主动记忆(Explicit Remember): Agent 在对话过程中主动判断某条共识极具价值,提请记录。
  • 轮次静默扫描(Post-turn Pass): 每一轮对话结束后,轻量模型会对最近一轮交流进行快速扫描。许多高价值的偏好往往自然流露于日常沟通中,而非刻意的“请记住这一点”。
  • 上下文压缩前抢救(Pre-compaction Rescue): 当长对话窗口即将进行摘要截断以节省 Context 时,系统会针对即将被丢弃的消息执行深度提取。因为压缩往往是有损的,若此时不及时抢救,未被抽取的经验将永久消失。
  • 人工仪表盘录入: 开发者在 Settings → Memory 中随时补充重要共识,同样作为高置信度候选流转。

4. 核心护栏:为何坚持人工审核,绝不自动落盘?

这是整套系统最核心的设计哲学:上述任何途径产生的候选记忆,绝不直接写入可被检索的主存储区。

所有新发现的记忆片段都会先进入“待处理候选队列(Pending Queue)”。只有经过人类审查批准(Approved)的条目,才会正式提升为可供检索的“黄金记忆”;未经处理且超过 30 天的条目将自动归档。

也许有人会问:这样做难道不会增加人工负担吗?答案是:这恰恰是有意为之的防线。

试想一下替代方案:如果放任大模型凭一时的揣测直接把“它自认为重要”的结论写入长期存储,一旦模型做出了错误猜测,后果绝不仅是当下回答出错一次,而是在此后的每一个新会话中被反复唤醒、不断传播错误的上下文幻觉,直到某一天酿成难以排查的生产事故。

尤其是权重极高的 decision 与 postmortem 类记忆,一条错误的记忆所带来的破坏力,往往数倍于“没有记忆”。人工审核正是斩断幻觉向系统级记忆扩散的唯一坚实护城河。

生产力实践建议

  • 将 Memory Dashboard 作为项目的知识沉淀池: 定期扫一眼待审列表,一键批量放行符合事实的条目。
  • 善用高级自动放行策略(可选): 系统提供了置信度策略——只有当同一条规则被多个 Agent 高频次、高置信度独立验证后,才允许免密放行(默认关闭,保持完全可控)。
  • 让上下文自然生长: 你无需像管理 Wiki 那样痛苦维护记忆,正常工作即可,MadoHub 会在幕后为你梳理脉络并呈现待审条目。

相关文档