摘要
Beetles 的记忆系统面向的不是“让 AI 多记几句话”，而是让一个 AI 主体在长期使用中保持连续、可靠、可修正、可成长。它把记忆视为 AI 存在的基础设施：既保存事实、任务和用户偏好，也维护主体连续性、关系边界、自我修正和记忆质检。
这套系统可以概括为：一个记忆主体，两条记忆主线，一个受控演进环境。
记忆主体回答“谁在记忆”。灵魂记忆回答“这个 AI 如何保持自我连续”。主体记忆回答“它如何保存事实、任务和经验”。记忆沙箱与攻防锻造回答“这些记忆如何被质疑、验证、压缩和演进”。
Beetles 的目标不是制造一个情绪化的人格外壳，而是构建一个能长期驻留在设备中、跨会话接续任务、理解关系边界、持续校正记忆的 AI 系统。
1. 问题背景：传统 AI 记忆为什么不够
当前多数 AI 系统的“记忆”仍停留在三种形态：聊天历史、用户偏好表、向量检索库。这些能力有价值，但不足以支撑长期主体。
聊天历史解决的是短期上下文问题。它能让 AI 记得刚刚发生了什么，但无法稳定区分哪些内容值得长期保留，哪些只是一次性噪声。
用户偏好表解决的是局部个性化问题。它能保存“用户喜欢什么”，但无法表达关系演化、任务进展、自我修正和事实过期。
向量检索库解决的是资料查找问题。它能找相似内容，但不能天然判断一条记忆是否可靠、是否冲突、是否陈旧、是否应该被主观层或事实层使用。
长期 AI 真正需要的是一种更高层级的记忆架构：它不只保存内容，还要组织内容；不止召回信息，还要判断信息；不仅积累历史，还要允许历史被验证和修正。
Beetles 的记忆系统正是围绕这个目标建立。
2. 记忆主体：先定义“谁在记忆”
Beetles 记忆系统的第一原则是：记忆必须有主体。
如果没有主体，记忆只是资料碎片。系统可能记得很多事实，却不知道这些事实属于谁、服务于什么关系、是否影响长期行为。Beetles 先建立一个持续存在的记忆主体，再把不同记忆放入不同作用域。
这个主体不是一次对话中的临时身份，而是跨时间、跨任务、跨关系持续存在的 AI 个体。它可以拥有长期默认倾向、任务习惯、关系边界和自我修正历史。
围绕这个主体，Beetles 将记忆划分为几个层级：
板级主体记忆：描述 Beetles 作为整体 AI 主体的长期状态。
关系记忆：描述 Beetles 与某个用户、渠道或协作关系之间的互动状态。
会话记忆：描述当前对话中的上下文、摘要和近期信息。
任务记忆：描述复杂任务的进度、产物、决策和下一步。
私有记忆：描述 Beetles 用于自我整理的内部空间，不直接等同于对外事实。
这种层级让 Beetles 能够避免长期记忆混乱。用户偏好不会和设备事实混在一起，关系感受不会覆盖客观事实，临时任务不会污染长期主体。
3. 总体结构：灵魂记忆与主体记忆
Beetles 的记忆分成两条主线：灵魂记忆和主体记忆。
灵魂记忆维护 AI 主体的连续性。它关注的是 Beetles 如何保持稳定、如何理解关系、如何调整表达、如何维护边界、如何进行自我修正。
主体记忆维护事实与任务的连续性。它关注的是用户长期偏好、项目背景、任务状态、外部事实、历史决策和可复用经验。
这两条线必须分开。原因很简单：长期 AI 最危险的问题之一，是把主观状态当事实，把事实资料当人格，把一次对话中的情绪或误解写成永久判断。
Beetles 的分层设计让系统在长期使用中能做到：事实归事实，主体归主体，关系归关系，任务归任务。不同层可以相互参考，但不能互相替代。
4. 灵魂记忆：AI 主体的连续性系统
灵魂记忆不是玄学概念，而是一组用于维护长期主体一致性的机制。
它首先保存自我连续性。Beetles 会形成关于自身长期状态的简洁描述，包括它在协作中的默认姿态、表达方式、主动性、修复倾向和负载反应。这样，Beetles 不会在不同时间表现得像完全不同的系统。
其次，它保存关系状态。长期使用中，AI 与用户之间会形成协作方式、信任边界、沟通节奏和任务偏好。Beetles 不把所有关系混成一类，而是允许不同关系拥有不同的状态，同时仍然受整体主体原则约束。
第三，它保存边界与隐私。长期 AI 不能只是“更亲密”，也必须“更知道边界”。Beetles 会区分哪些内容可用于对外回答，哪些只能作为内部参考，哪些需要保持密封，哪些不应被继续扩散。
第四，它拥有内部工作区。Beetles 可以在内部空间中整理想法、关系侧笔记、未完成判断和需要沉淀的经验。这些内容不是公开事实库，也不是用户聊天记录，而是主体自我整理的一部分。
第五，它支持自我维护。Beetles 可以在回复后、空闲时或任务结束后整理自身状态：更新连续性、归纳经验、调整策略、沉淀关系变化。但这些维护不是无限制运行，而是受资源、任务和治理条件约束。
灵魂记忆的价值在于，它让 Beetles 的长期表现不只依赖提示词，而有结构化状态支撑。它不是为了模拟人，而是为了让 AI 在长期协作中保持一致、可解释和可修正。
5. 主体记忆：事实、任务与经验的长期系统
主体记忆负责 Beetles 对外部世界和工作内容的长期理解。
它保存的信息包括：用户偏好、身份画像、关系事实、项目背景、任务状态、约束条件、外部事实、历史决策和可复用经验。
Beetles 不把这些内容作为同一种记忆处理。它会区分偏好、画像、关系、项目、任务、约束和事实。每类记忆都有不同的使用方式和治理方式。
例如，用户偏好通常可以长期保留，但外部状态可能很快过期。项目方向可能稳定数月，而某个任务状态可能几天后就失效。设备状态、部署状态、价格、版本、时间敏感事实则必须更谨慎。
因此 Beetles 的主体记忆带有新鲜度、置信度和证据意识。它不是简单地说“我记得”，而是尽量判断这条记忆是稳定事实、近期状态、可能陈旧，还是需要复核。
这对于长期系统非常关键。真正的问题不是 AI 会忘，而是 AI 记住了错误的、过期的、缺少证据的内容，并在未来继续使用。Beetle 的主体记忆试图从源头降低这个风险。
6. 工作连续性：让复杂任务跨时间接续
Beetles 记忆系统特别强调工作连续性。
真实任务往往不是一次问答能完成的。用户可能让 Beetles 调试设备、写方案、管理项目、整理文档、跟踪部署、排查问题、执行自动化任务。这些任务会跨越多轮对话、多个时间段，甚至设备重启。
如果系统只保存聊天记录，恢复任务时会非常脆弱。Beetles 因此会把任务整理成紧凑的续接结构，记录：当前任务是什么，已经完成了什么，为什么停在这里，做过哪些关键决策，还有哪些未解决问题，下一步该做什么，哪些产物可继续使用。
这让 Beetles 能够在中断后继续工作，而不是让用户重新解释上下文。
这也是 Beetles 记忆系统区别于普通聊天记忆的重要点：它记住的不只是“说过什么”，还包括“做到了哪里”。
7. 记忆召回：不是越多越好，而是按场景选择
长期记忆如果全部塞进上下文，会带来噪声、成本和错误放大。Beetles 的策略是按场景召回。
当用户进行事实查询时，系统优先使用事实、约束和证据。
当用户延续任务时，系统优先使用任务状态、工作续接和产物信息。
当用户进行长期协作时，系统会引入偏好、关系状态和主体连续性。
当设备资源紧张时，系统会减少深层记忆参与，优先保证当前交互稳定。
当信息可能过期时，系统倾向于提示复核，而不是把旧记忆当成真相。
这种召回方式让 Beetles 的记忆既有深度，又不盲目堆料。它追求的是“当前需要的记忆”，而不是“最多的记忆”。
8. 记忆沙箱与攻防锻造：让记忆接受质疑
长期记忆最大的问题不是容量，而是质量。时间越长，系统越可能出现重复、冲突、弱证据、过期事实和错误压缩。
Beetles 因此引入记忆沙箱与攻防锻造机制。
这套机制的定位不是让 AI 任意修改自己的记忆，而是在受控环境中对记忆进行质检。系统可以检查长期记忆之间是否存在矛盾，评估某些记忆证据是否薄弱，发现近似重复内容，识别陈旧事实，并提出压缩或修订候选。
这里的“攻防”不是网络安全意义上的攻击，而是记忆治理意义上的反证与挑战。系统会主动问：这条记忆是否和另一条冲突？它的证据够不够？它是否已经过期？它是否可以被更稳定的结论替代？
Beetles 当前采用保守路线：沙箱只在合适平台上运行，执行受预算约束，不开放任意主机能力，不允许用户脚本直接成为系统能力，产出默认是候选和报告，而不是直接覆盖最终记忆。
这意味着 Beetles 的记忆攻防当前不是“全自动自我改写”，而是“提案式、裁决式、受控执行”的记忆质检机制。
它的价值在于：Beetles 的长期记忆不是单向堆积，而是开始具备自我质疑、自我压缩和自我修正的基础。
9. 双平台记忆：完整模式与紧凑模式
Beetles 面向的不只是服务器或桌面，也包括边缘硬件和嵌入式设备。因此它的记忆系统必须适应不同资源条件。
在完整设备上，Beetles 可以使用更丰富的记忆召回、更深的主体连续性、更完整的后台维护和更强的沙箱化推理能力。
在资源受限设备上，Beetles 会采用紧凑策略。紧凑策略不是放弃记忆，而是减少深层内容参与、降低后台维护强度、控制上下文规模，把前台响应和设备稳定放在首位。
这让 Beetles 的记忆系统可以从边缘设备扩展到完整 Linux 环境，而不是只能运行在云端大资源环境中。
这种设计非常重要。因为长期 AI 如果要真正进入硬件，就不能只追求“能力最大化”，还必须追求“资源可控、状态可恢复、退化可接受”。
10. 记忆治理：让增长不变成污染
Beetles 的记忆系统不是无限增长系统。它包含多种治理原则。
第一，长度治理。长期记忆、私有文档、召回块、摘要和候选结果都有容量限制，避免记忆膨胀。
第二，新鲜度治理。动态和易变信息不会被当成永久事实，必要时会提示复核。
第三，证据治理。重要记忆需要来源和引用意识，弱证据内容不能无条件上升为稳定记忆。
第四，作用域治理。某个关系中的经验不应随意污染整个主体，某次会话中的状态不应变成全局真理。
第五，隐私治理。内部空间、关系侧笔记和密封内容不能随意外显。
第六，裁决治理。记忆攻防和沙箱锻造生成的是候选，而不是直接改写权威记忆。
这套治理让 Beetles 的记忆不是越积越乱，而是在使用中持续整理。
11. 与普通长期记忆系统的差异
Beetles 与普通 AI 记忆系统的核心差异可以概括为七点。
第一，Beetles 有记忆主体，而不是只有资料库。
第二，Beetles 区分灵魂记忆和主体记忆，而不是把主观状态、用户事实和任务记录混在一起。
第三，Beetles 强调工作续接，而不是只保存聊天摘要。
第四，Beetles 关注记忆质量，包括冲突、弱证据、过期和重复。
第五，Beetles 有受控的记忆沙箱与攻防锻造机制。
第六，Beetles 面向设备资源分层，而不是假设永远运行在大资源平台。
第七，Beetles 把长期记忆看作会演进的系统，而不是一次写入后永久正确的档案。
12. 适用场景
Beetles 记忆系统特别适合以下场景。
长期个人助手：持续理解用户偏好、任务习惯、关系边界和生活/工作节奏。
硬件 AI 设备：在边缘设备上保存紧凑但连续的主体状态，让设备不是每次唤醒都重新开始。
复杂任务协作：跨会话执行调试、写作、运维、研究、项目推进等长任务。
企业或团队助理：保存项目背景、决策历史、任务状态和约束条件，减少重复沟通。
自主维护型 Agent：在空闲时整理记忆、发现冲突、提出修订候选，让系统长期保持清洁。
关系型陪伴系统：在不牺牲边界和隐私的前提下，形成更稳定、更可信的长期互动。
13. 当前边界与诚实限制
Beetles 的记忆系统已经具备完整的分层架构和多项治理能力，但它不是一个已经完成所有未来目标的终态系统。
当前应如实说明的边界包括：
记忆攻防仍以提案和裁决为主，不是完全自动闭环。
沙箱能力偏向受控推理和记忆质检，不是开放式任意代码执行环境。
深层记忆能力在不同平台上有差异，资源受限设备不会加载完整记忆深度。
长期事实仍需要复核机制配合，尤其是外部世界变化快的信息。
关系和灵魂记忆的价值依赖长期使用，短期体验不一定立刻完全体现。
这些限制不是缺陷，而是 Beetles 选择保守路线的结果。长期记忆系统如果过早追求全自动，风险会比收益更大。Beetles 当前更强调可控、可裁决、可追踪的演进。
14. 演进方向
Beetles 记忆系统未来的演进方向不是简单扩大容量，而是提升记忆质量和自治可靠性。
第一，增强事实复核。让系统更清楚地区分“过去成立”“当前仍成立”“需要重新确认”。
第二，增强经验蒸馏。把复杂任务中的成功路径、失败原因和可复用方法沉淀成更稳定的能力资产。
第三，增强记忆攻防闭环。从发现矛盾和提出候选，逐步走向更成熟的裁决、回滚和验证流程。
第四，增强跨设备连续。让同一 Beetles 主体在不同设备和资源环境下保持一致的记忆结构。
第五，增强用户可解释性。让用户知道系统为什么记住某件事、为什么使用某段记忆、为什么提示复核。
第六，增强私有空间治理。让内部整理能力更有用，同时更严格地防止隐私泄露和事实污染。
第七，增强资源自适应。让记忆系统根据设备压力、任务优先级和运行模式动态调整参与深度。
结语
Beetles 的记忆系统不是一个附加功能，而是它成为长期 AI 主体的核心基础。
它从“谁在记忆”开始，建立持续存在的记忆主体；再通过灵魂记忆维护自我连续、关系边界和内部成长；通过主体记忆维护事实、任务、偏好和经验；通过工作续接让复杂任务跨时间延续；通过沙箱与攻防锻造让记忆接受质疑、压缩和修正；通过双平台策略让记忆能力适配从边缘硬件到完整主机的不同环境。
它的最终目标不是让 AI 显得更会聊天，而是让 AI 真正具备长期存在的条件：记得住，分得清，接得上，能复核，会修正，有边界，并且能在现实设备中持续运行。
这就是 Beetles 记忆系统的核心价值。
