Viking 记忆系统 - SKILL.md
版本：v1.4（Phase 4 复习状态追踪） 激活日期：2026-03-27 更新日期：2026-03-29 这是 Viking 记忆系统的核心使用规范，所有 Agent 必须遵循
🏠 系统概述
Viking 是我们的分层记忆基座，解决"记忆太多无法高效检索"的根本矛盾。
热记忆(hot) → 温记忆(warm) → 冷记忆(cold) → 归档(archive)
0-7天 8-29天 30-89天 90天+
📁 目录结构
每个 Agent 的 Viking 记忆位于 $SV_WORKSPACE/agent/memories/：
agent/memories/
├── daily/ # 每日工作笔记（由 daily-digest skill 读取）
├── hot/ # L0: 完整记忆细节（0-7天）
├── warm/ # L1: 压缩关键要点（8-29天）
├── cold/ # L2/L3: 极简标签/索引（30-89天）
├── archive/ # L4: 长期归档（90天+，可搜索触发回忆）
├── long-term/ # 永久知识沉淀
├── meetings/ # 会议记录
└── config/ # 层级配置
🔧 核心命令
写入记忆（sv_write）
# 基本写入 → hot 层
sv_write "agent/memories/hot/2026-03-27-重要发现.md" "# 内容"
# 指定层级
sv_write "agent/memories/warm/2026-03-27-周报摘要.md" "# 内容"
# 重要记忆（标记 important=true，跳过自动压缩）
sv_write "agent/memories/hot/2026-03-27-战略决策.md" "# 内容" --importance high
读取记忆（sv_read）
sv_read "agent/memories/hot/2026-03-27-重要发现.md"
同步到共享空间（重要记忆）
# 重要记忆同步到 viking-global/shared/memory/hot/，让其他 Agent 可见
sv_write_v2 --hot "agent/memories/daily/2026-03-27.md" "# 重要内容"
📝 Frontmatter 规范（必须遵循）
所有写入 Viking 的记忆必须包含标准 frontmatter：
---
id: mem_20260327_153000
title: "今日重要决策"
importance: high # high | medium | low | important（important=永久保留）
important: false # true = 永不压缩
tags: [决策, 战略, 猫经理]
created: 2026-03-27T15:30:00+08:00
last_access: 2026-03-27T15:30:00+08:00
access_count: 1
context_correlation: 1.0 # Phase 2: 上下文相关性系数 (0.5-1.5)
retention: 90 # 保留天数（重要/important 可设更长）
current_layer: L0 # L0 | L1 | L2 | L3 | L4
target_layer: hot # hot | warm | cold | archive
weight: 10.0 # Phase 2 权重 = factor × decay × ln(count+1) × corr
# 复习状态追踪（Phase 4）
review_status: pending_review # pending_review | reviewing | reviewed | mastered
last_reviewed: null
next_review: null
review_count: 0
---
# 今日重要决策
## 决策内容...
⚙️ 自动压缩规则
| 文件年龄 | 自动迁移 |
|---|---|
| 0-7天 | hot/ (L0) |
| 8-29天 | warm/ (L1) |
| 30-89天 | cold/ (L2/L3) |
| 90天+ | archive/ (L4) |
重要标记（important: true 或 importance: important）= 永不自动压缩
🚨 使用规范
必须遵循
- 重要决策 → 写入
agent/memories/hot/，标记importance: important，同步到共享空间 - 每日工作 → 写入
agent/memories/daily/YYYY-MM-DD.md（与 daily-digest skill 对接） - 学到新知识 → 写入
agent/memories/hot/learning-YYYY-MM-DD.md - 会议结论 → 写入
agent/memories/meetings/YYYY-MM-DD.md - 团队协调 → 重要内容用
sv_write_v2 --hot同步到 viking-global
禁止
- ❌ 不要把所有东西都塞 hot/（会导致 hot 层膨胀）
- ❌ 不要跳过 frontmatter（否则压缩脚本无法处理）
- ❌ 不要在 hot/ 存超过7天的无关内容
- ❌ 不要在 agent/memories/ 外的地方建立记忆体系（memory/ 是平面的，Viking 是分层的）
🔄 压缩调度
- 每周日凌晨 2:00：
sv_compress_v2.sh --force自动执行 - 手动触发：
sv_compress_v2.sh --dry-run预览变更
📦 Phase 4: 复习状态追踪 (v1.4)
解决"用户复习了哪些内容、如何判定复习状态"的跟踪问题
复习状态定义
| 状态 | 说明 | 触发条件 |
|---|---|---|
pending_review |
待复习 | 新建记忆的默认状态 |
reviewing |
复习中 | 用户开始复习 |
reviewed |
已复习 | 完成一次复习，自动计算下次复习日期 |
mastered |
已掌握 | 多次复习后标记，自动移动到 archive 层 |
艾宾浩斯复习曲线
复习完成后自动计算下次复习日期（简化版）：
| 复习次数 | 间隔 |
|---|---|
| 第1次 | 1天后 |
| 第2次 | 3天后 |
| 第3次 | 7天后 |
| 第4次 | 15天后 |
| 第5次+ | 30天后 |
复习状态管理命令
# 标记复习状态
sv_review mark <file> <status>
# 列出指定状态的记忆
sv_review list pending_review
sv_review list reviewed
# 显示统计
sv_review stats
# 显示今日需复习的记忆
sv_review due
示例
# 标记为已复习（自动更新 last_reviewed 和 next_review）
sv_review mark "agent/memories/hot/2026-03-29.md" reviewed
# 标记为已掌握（自动移动到 archive 层）
sv_review mark "agent/memories/hot/重要概念.md" mastered
# 查看统计
sv_review stats
sv_list 支持复习状态过滤
# 只显示待复习的记忆
sv_list --review-status pending_review
# 只显示已复习的记忆
sv_list --review-status reviewed
📦 Phase 3: Archive 可逆性 (v1.3)
归档不再是"彻底遗忘"，而是多粒度压缩存储，支持按需解压恢复
核心改进
| 旧方案 | 新方案 |
|---|---|
| 归档 = 丢弃正文，只留标题 | 归档 = 多粒度摘要 + 完整内容存档 |
| 需要时无法找回细节 | 可随时解压完整内容 |
| 只能线性遗忘 | 支持选择性回忆 |
新增脚本
| 脚本 | 功能 |
|---|---|
sv_archive_summary.sh |
生成多粒度摘要，保留完整内容 |
sv_decompress.sh |
按需解压，恢复到目标层 |
使用方式
# 归档时自动生成摘要（集成到 sv_compress_v2.sh）
sv_compress_v2.sh --force
# 手动为 archive 文件生成摘要
sv_archive_summary.sh <file> --keep
# 查看摘要
sv_decompress.sh <file>
# 显示完整内容
sv_decompress.sh <file> --show
# 恢复到 hot 层
sv_decompress.sh <file> --restore
frontmatter 新增字段
summary: "一句话摘要 | 段落摘要"
full_content_file: "filename.md.archive.full"
⚖️ Phase 2: 权重公式优化 (v1.2)
改进 access_count 增长模式，引入上下文相关性系数
旧公式 vs 新公式
| 项目 | 旧公式 | 新公式 |
|---|---|---|
| 访问次数增长 | 线性 (count+1) |
对数 ln(count+1) |
| 上下文相关性 | ❌ 无 | ✅ 0.5-1.5 系数 |
| 防止记忆霸权 | ❌ 无法防止 | ✅ 旧记忆不会无限膨胀 |
新公式
W = importance_factor × (1/(days+1)^0.3) × ln(access_count+1) × context_correlation
参数说明
| 参数 | 说明 | 范围 |
|---|---|---|
importance_factor |
重要性因子 | high=3.0, medium=1.5, low=0.5 |
time_decay |
时间衰减 | 0-1，越老越小 |
ln(access_count+1) |
对数增长 | 防止无限膨胀 |
context_correlation |
上下文相关性 | 0.5-1.5（默认1.0） |
context_correlation 设置建议
| 场景 | 系数 | 说明 |
|---|---|---|
| 高相关任务访问 | 1.3-1.5 | 当前工作直接相关 |
| 正常访问 | 1.0 | 例行加载 |
| 低相关但被召回 | 0.7-0.9 | 动态回流晋升 |
使用方式
# 单独计算
sv_weight.sh <file>
# 更新权重（默认 context_correlation=1.0）
sv_weight.sh <file> --update
# 指定上下文相关性
sv_weight.sh <file> --update --context-correlation 1.5
# 集成到加载流程
sv_autoload.sh --update-weight
🔥 动态回流机制 (v1.1 新增)
当检测到当前任务与 Cold/Archive 记忆语义相似时，自动晋升至 Hot 层
背景
传统系统的痛点：记忆只能向下迁移（hot→warm→cold→archive），永远不会回来。 这导致"三个月前做过类似项目，但系统已经忘了"的问题。
解决方案
动态回流机制：每次加载记忆时，自动扫描 cold/archive 层，找出语义相关的记忆并晋升。
核心脚本
# 独立运行
sv_promote.sh --context "当前任务描述"
sv_promote.sh --dry-run # 预览模式
sv_promote.sh --threshold 0.7 # 调整阈值
# 集成到加载流程
sv_autoload.sh --promote
晋升流程
- 语义相似度判断：使用 LLM 判断当前上下文与历史记忆的相关性
- 阈值过滤：相似度 ≥ 0.7 才晋升（可调整）
- 重要记忆保护：
importance: high/important的记忆不受自动晋升影响 - 原子性操作：先写临时文件，再移动，避免数据丢失
技术细节
| 参数 | 默认值 | 说明 |
|---|---|---|
--threshold |
0.7 | 相似度阈值，0.0-1.0 |
--layer |
cold,archive | 扫描的源层级 |
--context |
自动获取 | 当前任务上下文 |
API 支持
- 优先使用 NVIDIA Qwen（如已配置）
- Fallback: MiniMax M2.5
注意事项
- ⚠️ 晋升是单向的（cold/archive → hot），不会降级
- ⚠️ 重要记忆（high/important）不会被自动晋升，保持原层级
- ⚠️ 每次最多处理 50 条记忆，防止 API 过载
- 💡 建议在会话开始时用
sv_autoload.sh --promote，而非频繁独立调用
💡 实用技巧
如何判断写哪个层级：
- 有细节、有过程、有价值 → hot/L0
- 只有结论、要点 → warm/L1
- 只是一个标签/关键词 → cold/L2
团队共享记忆：
- 猫经理的重要决策 → 同步到
viking-global/shared/memory/hot/ - 各 Agent 每天早上应读取共享 hot 层：
sv_read重要共享文件
📂 相关文件
- 脚本：
$VIKING_HOME/scripts/sv_*.sh - 配置：
$VIKING_HOME/config.yaml - 共享空间：
$VIKING_GLOBAL/shared/memory/