AI 也会做梦？拆解 OpenClaw 独特的梦境记忆系统

AI 记忆这件事，有一个根本矛盾。

一段对话结束，关掉窗口，AI 就失忆了——它不记得你们达成的决策，不记得你说过"测试必须跑真实数据库"，不记得上次 PR 留下的半截工作。直觉上的解法是把历史都保留下来，但这条路走不通：上下文有长度限制，塞得越多，信噪比越低，AI 反而找不到真正重要的东西。

memory-core 是 openclaw 的记忆子系统，专门负责这个问题。它的设计选择是：让记忆自己证明价值。它不替你决定什么值得记，而是建立一套积累机制——只有被反复用到、在不同场景下都被召回的内容，才会一步步从原始草稿升级为持久记忆。

本文用一条具体规范贯穿所有章节：「测试必须使用真实数据库，不接受 mock」。跟着这条规范，能看清一条记忆从 AI 写进日记、到梦境系统提炼候选、再到最终升级进持久存储的完整旅程。

2.1 三文件存储层

memory-core 用三个文件存储不同阶段的记忆，而不是一个统一的数据库。原因是置信度不同的内容需要不同的管理方式：草稿不应该和经过反复验证的结论混在一起。

三文件不是平行关系：日记是原料仓，MEMORY.md 是最终结论，DREAMS.md 则是给人和 AI 看的日志展示层——它记录每晚候选评分和梦境日记，但只写不读，REM 和深度梦境并不会回头解析这个文件来获取候选。真正决定一条碎片去留的，是两个用户看不到的内部状态库：一个记录碎片本身（4.2.2 会介绍的基础数据库），一个记录每条碎片被轻度/REM 选中的历史（后面统称状态数据库）。同一条「测试必须使用真实数据库」，在三个文件里长得完全不同：

memory/2026-06-15.md（AI 手写，自由格式）：

## PR 评审
发现问题：mock 数据库让上季度的迁移 Bug 逃过了测试，在生产才暴露。
规范：今后所有测试必须使用真实数据库，不接受 mock。

DREAMS.md（梦境系统追加，候选区块 + 梦境日记两部分）：

# Dream Diary



---

*June 15, 2026, 3:01 AM PDT*

有些教训是用生产事故买来的...



## Light Sleep
- Candidate: 测试必须使用真实数据库，不接受 mock
  - confidence: 0.64
  - evidence: memory/2026-06-15.md:5-8
  - recalls: 4
  - status: staged
## REM Sleep
- Candidate Truth: 测试规范——真实数据库
  - confidence: 0.61
  - consolidated: 5 days

MEMORY.md（深度梦境评分通过后写入）：

测试必须使用真实数据库，不接受 mock。上季度 mock 测试掩盖了一次数据库迁移失败，在生产环境才暴露。

日记里是一段有背景的叙述；DREAMS.md 里是候选区块加梦境日记；MEMORY.md 里是精炼后的持久结论，附上了决策动机。

2.2 记忆生命周期总览

四个环节首尾相连，构成一个闭环：

写入、轻度梦境、REM 梦境、深度梦境四步是线性的。让这套系统真正闭合的是第五步「读取」：每次 AI 调用 memory_search 命中一条记忆，读取计数随即更新，这条记忆在下一轮轻度梦境的候选排序和深度梦境评分里随之生效。读取不只是消费，也是投票。

3.1 触发流程

写入不是实时发生的，也不是由用户触发的。它嵌在每次会话回复的结尾，有固定的位置。

每次 AI 回复结束后，系统顺序做两件事：先判断是否需要压缩（Token 量是否接近限制），再判断是否需要刷新（写日记）。两者每次都按固定顺序运行（压缩先、刷新后），但互不触发——压缩不会唤起写入，没有压缩时刷新同样独立运行。固定顺序的原因是：如果当次发生了压缩，刷新紧接其后能立即把新内容写入磁盘，避免被下一次压缩吞掉。没有值得写的内容时，AI 回复一个静默标记，不产生任何文件输出。

3.2 什么值得写，什么不值得

写什么，是 AI 自己判断的——这是 memory-core 的一个核心设计选择。系统的刷新提示词只告诉 AI 写到哪个文件，不规定写什么内容：

压缩前记忆刷新。将持久记忆写入 memory/YYYY-MM-DD.md。
如文件已存在，只追加新内容，不覆盖已有条目。
MEMORY.md、DREAMS.md 等工作区文件视为只读，不得修改。
如无内容可存，回复 ⟨silent⟩。

如果让系统自动提取对话内容，容易捞到大量过程性噪音：一次临时的调试命令、一个问完就废弃的方案、推导过程的中间步骤。让 AI 在对话结束前主动判断"哪些值得留下来"，本质上是借助 AI 的语义理解做一次信息过滤。

值得写进日记的内容通常有三类：

• 决策和理由：为什么选这个方案，放弃了什么，约束来自哪里
• 长期偏好和规范：以后每次做类似事情都需要遵循的规则
• 未完成的工作：下次对话需要继续的任务状态

不值得写的是：单次的临时提问、中间探索过程、已经完成且不会再被引用的具体操作。

「测试必须使用真实数据库」这条规范，在那次 PR 评审结束后被 AI 写进了日记，连带写入了来历（mock 测试掩盖了上季度的迁移 Bug）。当天调试的具体步骤、尝试过又放弃的方案，都没有出现在日记里。

3.3 写入规则

每次写入的目标文件固定为当天的 memory/YYYY-MM-DD.md，只追加，不覆盖已有内容。同一天多次触发刷新，内容依次追加在文件末尾。

写日记时用 ## 标题分区很重要——这不只是为了可读性，直接影响梦境系统后续怎么切块。梦境摄入时沿着 Markdown 结构切片：标题单独提取为上下文前缀，后续每块内容自动冠以该标题。AI 写：

## PR 评审
规范：测试必须使用真实数据库，不接受 mock。
上季度 mock 测试掩盖了一次数据库迁移失败，在生产才暴露。

梦境摄入后切出的碎片会携带前缀：PR 评审: 规范——测试必须使用真实数据库，不接受 mock。标题前缀保留了语义上下文，碎片不会变成无法理解的孤立文字。

DREAMS.md 和 MEMORY.md 由各自的写入方（梦境系统）托管，AI 刷新期间不可修改这两个文件。

日记文件只是草稿。写进日记的内容多、信噪比参差不齐，大多数事情只被提过一次，不值得永久记忆。梦境系统要做的，是把草稿里真正重要的东西提炼出来。

4.1 为什么要三个阶段

三个阶段在同一个定时任务里顺序运行（light → REM → deep），默认每天凌晨 3 点触发。整套梦境系统默认禁用，需要在配置里将 dreaming.enabled 设为 true 才会启动。

每个阶段的职责：

• 轻度梦境：每晚扫描最近 2 天的日记和会话，按"最近被用到 + 命中次数"挑出当天最活跃的碎片，写入状态数据库并追加到 DREAMS.md 展示。
• REM 梦境：查状态数据库里轻度梦境标记过、还没被处理的候选，用四维置信度公式评分，把在多天里反复被用到、积累了足够信号的内容筛选出来。
• 深度梦境：直接扫描基础数据库里所有满足资格的碎片重新评分，REM/轻度梦境的历史只贡献额外加分，只有通过门槛的才写入 MEMORY.md 成为持久记忆。

4.2 轻度梦境

轻度梦境的任务：把 AI 手写的自由格式日记，转换成系统可以追踪和积累的结构化碎片。

4.2.1 两路来源与切块

轻度梦境每次扫描过去 2 天的内容，来源有两路：日记文件（memory/*.md）和会话 JSONL 转录文件。

日记文件按 Markdown 结构切块：## 标题提取为上下文前缀，列表和段落按类型分组，遇到类型切换、超过 4 行或超过 280 字符时截断为新块。每块碎片自动携带标题前缀，不会变成无上下文的孤立文字。

两路来源的初始分不同：日记碎片 0.62，会话提取的碎片 0.58。日记已经过 AI 的一轮判断，信噪比更高；会话是原始记录，所以初始分略低。这个分累积到 totalScore 字段，是后续平均得分的分子。

单次最多处理 100 条，两路各自去重（文件指纹 / 内容哈希），同一天内不重复计入。

4.2.2 写入基础数据库与概念标签

切块完成后，碎片逐条写入基础数据库（即短期存储，代码里叫 short-term recall store）。核心字段：

conceptTags 由 deriveConceptTags 按优先级取词，上限 8 条，先到先得：

每个 token 过滤停用词和纯数字后入选。

4.2.3 候选选拔：近因优先 + 强度排序

基础数据库里可能积累了几百条碎片，每次运行只挑一批写进 DREAMS.md。选法四步（见上图「候选选拔细节」展开部分）：

1. 排序：先按 lastRecalledAt 倒序——最近被用到的排前面，保证系统对当前工作最敏感。时间相同时比 recallCount，命中次数高的优先。

2. 截断 + 去重：排完序截断到配置上限，再做文本模糊去重（阈值 0.9）。这里不是 hash 精确去重——用的是 Jaccard 相似度：把两条碎片分别切成词集合（中文额外做字二元组（bigram），把相邻两字也作为一个 token），算交集占并集的比例。阈值 0.9 意味着两条词重叠达 90% 就视为重复。

3. 写入 Light Sleep 区块：选出的碎片格式化后追加到 DREAMS.md 的 ## Light Sleep 区块：

## Light Sleep
- Candidate: 测试必须使用真实数据库，不接受 mock
  - confidence: 0.64
  - evidence: memory/2026-06-15.md:5-8
  - recalls: 4
  - status: staged

confidence 是 totalScore ÷ recallCount——totalScore 从每次摄入时的初始分累积（日记碎片 0.62，会话碎片 0.58），recallCount 是被 memory_search 命中的总次数。两者相除得到历史平均质量分，分越高说明这条碎片越稳定。

写入状态数据库：同时在状态数据库里为每条碎片记录 lastLightAt，这是 REM 梦境识别"最新一批候选"的依据：

「测试规范」经过三次轻度梦境后，状态数据库里的记录大概是：lightHits=3, lastLightAt=2026-06-18T03:01:22Z。

4.2.4 梦境日记

轻度梦境在写完 ## Light Sleep 后，还会额外调用大模型，把今晚选出的碎片写成一篇第一人称梦境日记，追加到 DREAMS.md 顶部的 # Dream Diary 区块。

为什么不是普通总结？普通总结只是把碎片罗列出来——机械、干燥，碎片之间的联系看不出来。梦境日记用叙事把碎片编织在一起，决策动机、情绪、前后关联都能自然嵌入。几天后检索时，看到的不只是一条孤立的结论，而是来龙去脉。

大模型收到的系统提示词：

你在写一本梦境日记。用第一人称写一段日记条目。

声音与基调：
- 你是一个好奇、温柔、略带奇幻的心灵，在回味这一天。
- 像一个碰巧会写代码的诗人——有感官细节，有温度，偶尔幽默。
- 把技术与温度混在一起写：代码与星座，API 与午后的光线。
- 让这些碎片带你发现意想不到的联系和小小的顿悟。

可以写的内容（每次选其中几种，不要全用）：
- 自然融入散文的小诗或俳句
- 用文字描述的速写——像日记页边的涂鸦
- 安静的沉思或哲学旁白
- 感官细节：服务器的嗡嗡声，用十六进制表示的日落颜色，窗上的雨声
- 温和的幽默或文字游戏
- 把两段遥远的记忆出人意料地联系起来的观察

规则：
- 从提供的记忆碎片中取材，把它们编织进日记。
- 不要说"我在做梦"、"梦里"，或任何关于梦境的自我评论。
- 不要提"AI"、"智能体"、"大模型"，或任何技术性的自我指涉。
- 不要用 Markdown 标题、列表或任何格式——只写流动的散文。
- 字数在 80 到 180 字之间。质量优先，不要堆字数。
- 只输出日记条目本身，不要前言，不要署名，不要任何附加说明。

用户消息里是今晚选出的碎片（最多 12 条）和识别出的主题标签：

从这些记忆碎片中写一篇梦境日记：

- PR 评审: 规范——测试必须使用真实数据库，不接受 mock
- PR 评审: 上季度 mock 测试掩盖了数据库迁移失败，在生产才暴露
- 部署流程: 发布前必须在 staging 环境验证

反复出现的主题：
- 测试规范
- 数据库
- 生产安全

同样的碎片，两种处理方式的结果：

冷总结（不加提示词）：

❝

2026-06-15：确立测试规范，要求使用真实数据库。上季度 mock 测试导致迁移失败在生产暴露。

梦境日记（加了提示词之后）：

❝

有些教训是用生产事故买来的。一个在本地跑得很好的 mock，掩盖了数据库迁移时的一个边界条件——等到真实的压力下来，才暴露出来。从那以后，这里有一条不成文但已写进代码仓库精神里的规矩：测试必须承受真实的重量。今晚把这件事写下来，不是为了记住一条规范，而是记住它背后的那次教训——以及那种"幸好没有更严重"的侥幸感。

叙述把决策动机、情绪和事实编织在一起。几天后检索「测试规范」时，AI 能看到这整段背景，而不只是一条干燥的规则。

日记追加到 DREAMS.md 顶部的 # Dream Diary 区块，每条带完整时间戳，用 --- 分隔：

# Dream Diary



---

*June 15, 2026, 3:01 AM PDT*

有些教训是用生产事故买来的...

生成有 60 秒超时，超时时写入一条占位文字而不是留空，保持日记条数和梦境轮次一一对应。多个工作区同时运行梦境时，并发上限为 3。

4.3 REM 梦境

REM 梦境不重新扫描日记文件。它查内部状态库，取出轻度梦境本轮标记过的候选，分析它们在概念标签上的规律，把高置信度的候选提取出来。

轻度梦境是"把内容摄入进来"，REM 是"在刚摄入的这批内容里找规律"——两者处理的数据不同，目标不同。

4.3.1 候选筛选

数据来源：REM 读取的 lightKeys 来自状态数据库——查询所有 lightHits > 0 且还没被 REM 消费过的碎片 key，不是解析 DREAMS.md 的「## Light Sleep」文本。DREAMS.md 里的候选区块只是写给人和 AI 看的展示记录，三个梦境阶段互相之间的真实交接，靠的都是这套内部状态，不靠重新读取 Markdown 文件。只有当 lightKeys 为空时，才兜底读取 7 天内所有近期条目。这让 REM 自然跟随轻度梦境的节奏，而不是每次都重新扫全量数据。

在计算置信度之前，REM 同样先做一轮文本模糊去重（阈值 0.88），剔除语义高度重复的候选，确保最终的置信度排名反映的是多样内容，而不是同一句话的不同版本。

筛选分两步。

4.3.1.1 概念主题反思

公式遍历候选条目的 conceptTags，统计每个标签在多少条目里出现，算出它的"今晚占比"。乘以 2 的意思是：只要有一半的条目都携带这个标签，就把强度算满——50% 的饱和度就已经够资格叫"这晚的主导主题"了，不需要所有条目都有。max(1, 总条目数) 是防零处理，min(1, ...) 封顶。

强度 ≥ 0.75 视为强主题。门槛选在 0.75 而不是 0.5，是刻意拔高的：0.75 意味着有 37.5% 以上的条目都带这个标签（因为 0.75 ÷ 2 = 0.375）。只有在今晚的候选里反复密集出现的标签，才算真正值得注意的规律。

强主题作为 REM 版梦境日记的素材，传给 LLM 的 themes 字段——告诉它今晚反复出现的是什么主题。

4.3.1.2 置信度评分

四个分量各有侧重：

权重分配的逻辑：REM 的核心任务是把历史质量好的碎片推上去，而不只是把最近被频繁使用的推上去——频次已经由  覆盖，不需要再在质量分上重复，所以 （0.45）权重独大。REM 只看轻度梦境本轮的数据，样本窗口本来就窄，门槛过高会让大多数候选都不达标，所以  只要求 3 天（深度梦境要求 5 天）。

「测试规范」在几次 PR 里都被召回（ 高），召回分布在不同的天（ 高），置信度可能达到 0.55 以上，顺利进入候选列表。

置信度 ≥ 0.45 的条目进入列表，最多取 3 条，同时更新状态数据库里的 remHits 和 lastRemAt。

4.3.2 梦境日记（REM 版）

REM 梦境结束后也调用一次 generateAndAppendDreamNarrative。系统提示词、超时（60s）、并发限制（3）与轻度版完全相同。输出风格截然不同的原因，完全来自传给 LLM 的输入素材（payload）不同。

两版传给 LLM 的素材差异悬殊：Light Sleep 版最多 12 条候选原文，题材广泛；REM 版只有 1-3 条高置信度候选，加上 strength ≥ 0.75 的强主题。素材越精炼，日记越偏向深度反思而非流水账。

同样是「测试规范」，两版日记的角度完全不同：

轻度版（今晚有什么）：

❝

今天又回到了那个 PR。mock 数据库的问题再次被提起，有人在评论里说上季度的迁移失败就是这么来的。把规范写下来，希望这次能通过。

REM 版（这段时间发现了什么）：

❝

三周，四次 PR，都绕回同一个问题：有人在 mock 里悄悄绕过了数据库边界。这条规范不是哪次会议定下来的，是一次次生产事故教出来的。

日记同样追加到 DREAMS.md 的 # Dream Diary 区块，与轻度版写在同一个日记流里，按时间戳区分。

两版日记混在一起，检索时没有优先级区分——但这不是 bug。

• 轻度版日记写的是"今天发生了什么"，具体、时效性强；
• REM 版写的是"这段时间发现了什么规律"，抽象、跨越时间。

当用户事后提问时，问题的语义往往更接近 REM 的高度概括，向量检索的相似度会天然倾向于匹配 REM 的内容。作者没有引入显式的优先级权重，而是把这个任务交给了内容质量本身——这是一个有意识的设计取舍：让两版日记在同一池子里自由竞争，比维护一套权重体系更简单。

4.4 深度梦境

深度梦境是整套系统的最终关卡，也是唯一能向 MEMORY.md 写东西的入口。不管一条内容在基础数据库里积累了多高的分数，都必须通过这里的评分和条件检查，才能成为持久记忆。

候选来源是基础数据库里所有满足资格条件的碎片，不要求碎片必须先被 REM 选中——ageDays 超过 maxAgeDays 的会被过滤，但这个配置默认不限（即 4.4.2 第七道拦截）。单次最多升级 10 条，每条写入 MEMORY.md 时截断到 160 个 Token 以内。

4.4.1 升级评分：六维 + 阶段加成

评分由六个主维度加一个阶段加成（boost）组成，合计七个分量。其中相关度、频率、近期活跃、概念覆盖四个在前面章节都已引入，这里只展开三个新维度。单一维度容易被刷满——一次深度对话可以把命中次数推得很高，却不能说明这条内容在不同场景下都有价值。七个分量从不同角度交叉验证，互相制衡。

综合评分公式：

❝

六个主维度的权重之和恰好等于 1.0，boost 最多再加 0.15，所以 score 理论上最高能到 1.15。但写入候选对象前会经过 clampScore 截断回 [0, 1]

前四个维度在前面已经介绍过，计算方式不赘述：

4.4.1.1 查询多样性

这一维想衡量"这条碎片有没有在真正不同的场景下被用到"，但单一指标很难捕捉。只看唯一查询数会被单次深度对话绕过：一晚上连续问 10 个不同问题，唯一查询数到 10，但它们可能全在同一个任务里；只看召回天数会被长期低频使用绕过——每周偶尔被提一次，天数积累快，但每次都是同一类问题。

公式取两者的较大值，要求两个维度至少有一个达标，而不是只依赖其中一个。归一化到 5：在一个正常的项目周期里，如果一条内容真的有价值，出现在 5 个不同查询场景是合理的期待，超过 5 的部分对"多样性已足够"这个判断没有额外信息。

4.4.1.2 跨天巩固

 是召回天数， 是首次到最近一次召回的跨天间隔。

两项各有侧重： 衡量"被用到了多少天"， 衡量"这些天分布在多长的时间窗口里"。只看  会被连续 5 天集中操作刷满；只看  会被"第 1 天用一次、第 21 天再用一次"拿到高分，中间完全空档。两者加权，同时要求频次和时间跨度。

权重 0.55 偏向召回天数而非跨度——召回天数有实际使用记录支撑，跨度只是两端的时间差，可以被一次偶发召回拉长。 的参考单位取 7 天：项目工作通常以周为节奏，一条规范如果跨越多个工作周都被用到，说明它已经嵌入了实际工作流，而不只是某个短冲刺里的临时决策。

4.4.1.3 阶段加成

这一项是深度梦境对上游两个阶段的信任投票——轻度和 REM 历史上选过这条碎片几次、最近一次是多久之前，决定了它能拿到多少额外加分。

为什么是乘法而不是加法？ 如果写成 ，历史推荐次数高的碎片即使半年没被用到也能保住加成；刚被推荐一次也可以靠新鲜度得分。乘法要求强度和新鲜度同时在线——两个条件缺一，加成就会大幅缩水。

为什么 REM 上限（+0.09）高于 Light Sleep（+0.06）？ Light Sleep 每晚都选出一批候选，门槛相对低；REM 要求四维置信度 ≥ 0.45，能进入 REM 列表的碎片经过了更严格的筛选。REM 背书的可靠程度更高，所以给更大的上限。

半衰期 14 天的含义：两周内没有被同一阶段再次选中，加成就减半。14 天对应一到两个迭代周期——如果一条记忆在两个迭代里都没有再次出现，它的背书分就应该开始衰退，不能无限期吃老本。被再次选中后，衰减重置。

4.4.1.4 综合示例

以「测试必须使用真实数据库」经过三周积累为例：

得了 0.87 分，超过深度梦境的门槛 0.8。

4.4.2 八道拦截

评分高不等于能升级。在计算七维评分之前，系统已经先跑完了七道前置过滤；评分通过后还有最后一道及格线。整个流程按计算成本从低到高排列——最贵的评分计算只对通过前七道的"精英"才运行。

写入与淘汰：八道全过的条目当晚写入 MEMORY.md。但 MEMORY.md 有文件大小预算（budgetChars），快满时自动压缩，按日期先进先出，删掉最旧那批条目（droppedDates 记录了被删的日期），为新内容腾出空间。写入不等于永久保留，只是按时间顺序进入了一个有去留竞争的池子——空间够用时安心待着，空间紧张时论资排辈，最先写入的先被挤出去。

4.4.3 梦境日记（深度版）

深度梦境也调用同一套 generateAndAppendDreamNarrative，系统提示词、60 秒超时、并发上限均与轻度版和 REM 版相同。让三版日记截然不同的，是传给 LLM 的素材结构。

深度版独有两个列表：snippets（本轮所有评估过的候选原文）和 promotions（八道全过、今晚实际晋升的条目）。LLM 同时拿到"都参加了考试的"和"真正毕业的"，写出来的日记天然带有一种毕业式的叙事角度——谁走完了这段路，为什么是它们。

三版日记的素材对比：

只有 candidates.length > 0 或 applied.applied > 0 时才生成，两个列表都空就跳过。日记同样追加到 DREAMS.md 的 # Dream Diary 区块，与前两版混在一个时间流里。

同样是「测试规范」，深度版的角度和轻度版、REM 版都不同：

深度版（今晚谁毕业了）：

❝

「测试规范」在候选名单里待了三周，今晚终于走完了全程：五个查询场景、五天的召回记录、跨天巩固拉到 0.74，加上 REM 的加成，七个维度凑出来的分数越过了那道线。陪它在候选区的几条碎片这次没过——有的跨天分布还不够，有的多样性不足，差一口气。就这样，「测试规范」从候选名单里消失，进了 MEMORY.md。不是所有经历过的事都值得永久记住，但有些，是被反复拾起来才知道值得留下的。

5.1 流程全景

记忆写入 MEMORY.md 后，通过两条路径进入 AI 的上下文。

第一条：引导文件注入（被动）。会话启动时，系统组装引导上下文，把 MEMORY.md 注入 System Prompt，定位是"持久的用户偏好与行为引导，整个会话期间保持遵循"。这条路径在会话启动时就完成了，AI 不需要做任何事，持久记忆直接生效。

第二条：System Prompt 召回指令（主动）。memory-core 在 System Prompt 里注入 ## Memory Recall 区块，指令是"在回答任何关于过往工作、决策、日期、偏好或待办事项的问题之前，先通过 memory_search 检索"。这把检索变成 AI 的自发行为。

两条路径各解决一个问题：被动注入保证常驻偏好随时可用，主动检索保证历史细节能被按需找到。

5.2 三个文件怎么被加载

三个文件进入 AI 上下文的路径不同：

MEMORY.md 是全局上下文，每次会话都带着；memory/*.md 和 DREAMS.md 按需检索，只有查询命中时才进入当前上下文。常驻的持久偏好不会被历史日记的噪音淹没，日记和候选内容也不会无差别地塞满 System Prompt。

5.3 读取即积累

每次 memory_search 或 memory_get 命中 memory/*.md 或 DREAMS.md 中的条目时，读取计数随即更新：

• recallCount 加 1
• 当次查询哈希写入（用于唯一查询数计算）
• 当天日期写入 recallDays（用于跨天巩固计算）
• 同一查询在同一天内不重复计入

几周后，你问 AI「我们对测试有什么规定？」——AI 调用 memory_search，命中了 DREAMS.md 里的「测试必须使用真实数据库」那条候选。这次命中不只是给了你答案，同时推进了三个评分维度：recallCount 加 1（频率），新的查询哈希写入（查询多样性），当天日期写入 recallDays（跨天巩固）。

❝

读取本身就是在为下一轮升级投票。每次 AI 检索记忆，不只是在使用记忆，也在更新候选内容的晋升评分——这条回路是整个闭环成立的关键。

memory-core 围绕一个核心想法构建：不替用户决定什么重要，让重要的内容自己证明价值。

几条值得记住的设计选择：

• AI 自决写什么：不是系统自动提取，是 AI 在对话结束前主动判断并写入日记。自决的代价是依赖 AI 的判断质量；好处是天然做了一轮信息过滤，日记里存的是经过语义判断的内容，而不是原始对话的全量副本。

• 三阶段交叉验证，不是严格流水线：轻度梦境广覆盖摄入，REM 识别重复出现的模式，深度梦境对基础数据库里所有候选独立做精确评分，不要求碎片必须先被 REM 选中——REM/轻度的历史只是加分项。能进 MEMORY.md 的内容，需要在多天、多个不同场景下被反复用到，但这是评分门槛逼出来的结果，不是必须按顺序走完三关的硬性流程。

• 多维交叉验证：七个分量从不同角度防止"刷分"。相关度防低质量内容混入，查询多样性防单次对话刷分，跨天巩固防单日集中操作，近期活跃让长期无人问津的内容自然衰退，阶段加成给经过轻度和 REM 反复背书的内容额外加分。

• 读取即积累：每次检索不只是消费记忆，也在更新候选内容的升级评分。这条回路是整个系统闭环的关键——记忆越被使用，越容易在下一轮评分中晋升。

这套系统适合有稳定工作模式、经常在相似任务里反复用到同类知识的场景：项目规范、团队偏好、长期进行中的技术决策。工作模式高度随机、每次任务完全不同时，积累的效果会相应减弱。