By name: mem0-patterns description: mem0 记忆架构模式 - 基于 mem0ai/mem0(★48.9k) 的 Universal Memory Layer 设计理念，用于构建和优化 AI Agent 的记忆系统。触发词："记忆优化"、"mem0"、"memory layer"
mem0 记忆架构模式
参考项目：mem0ai/mem0 ★48.9k — Universal memory layer for AI Agents
核心理念：四种记忆类型
mem0 将 Agent 记忆分为四类，这是其能力远超简单 RAG 的关键：
| 类型 | 定义 | cc 的对应 |
|---|---|---|
| 语义记忆 (Semantic) | 关于世界的事实、知识 | memory-items.md 中的 [技术/xxx] |
| 情节记忆 (Episodic) | 过去的具体经历、事件 | RECENT_EVENTS.md |
| 程序性记忆 (Procedural) | 如何做事的方法、流程 | memory-items.md 中 [程序性/方法论]（待建立） |
| 偏好记忆 (Preferences) | 用户/Agent 的偏好风格 | memory-items.md 中的 [偏好/xxx] |
mem0 的记忆管理规则
写入时（session 结束前）
- 提取：从对话中提取原子事实
- 去重：检查是否已有同类 item，更新而不是追加
- 分类：按上面四种类型归类
- 优先级：频繁使用的 item 优先级上升（★★★ > ★★ > ★）
读取时（session 开始时）
- 先读优先级最高的 item（★★★）
- 按任务类型筛选相关记忆类别
- 情节记忆（RECENT_EVENTS）只读最近 24h
过期处理
- 超过 30 天未使用的 item → 降级或标
[已废弃] - 被修正的 item → 立即更新，不保留旧版本
- 临时状态（如 pairCode、tunnelUrl）→ 不写入长期记忆
cc 的实施方案
优先级标注规范（借鉴 mem0 的 score 系统）
在 memory-items.md 中，高价值 item 加优先级标注：
- ★★★ 飞书签名算法：HMAC-SHA256...（高频使用，核心知识）
- ★★ 黄金实时价主源：goldprice.org...（中频，每天用）
- ★ ai-news-radar 数据路径：...（低频，偶尔查）
程序性记忆类别
在 memory-items.md 增加 [程序性/方法论] 类别：
## [程序性/方法论]
- ★★★ 飞书发送失败排查步骤：1) 检查 secret 2) 验证签名算法 3) 查 config.json
- ★★★ github-radar 执行流程：Step1 python 抓数据 → Step2 cc 分析判断 → Step3 send.js 发飞书
- ★★ 数据源故障处理：主源失败 → 等待1s → 切备用源 → 记录到 RECENT_EVENTS
与 cc 现有三层架构的映射
mem0 架构 cc 现有实现
--------- -----------
Vector Store ←→ memory-items.md (原子 Item，按类别检索)
Graph Memory ←→ MEMORY.md (关系索引，决策记录)
Event History ←→ RECENT_EVENTS.md (24h 流水账)
关键差异（cc 可以改进的地方）
- mem0 有语义搜索，cc 是关键词手动查 → 用类别标签 + 优先级★来弥补
- mem0 自动去重更新，cc 靠 cc 手动维护 → session 结束时主动检查重复
- mem0 有 score 衰减，cc 没有 → 用
[已废弃]标签手动衰减
参考链接
- GitHub: mem0ai/mem0（Universal memory layer for AI Agents）
- 核心论文思路：Four memory types in cognitive AI systems