AI"组织记忆"背后的工程秘密：Clowder AI 记忆与证据系统架构全解
【免费下载链接】clowder-aiBuild AI teams, not just agents. Hard rails, soft power, shared mission.项目地址: https://gitcode.com/gh_mirrors/cl/clowder-ai
Clowder AI 是一款"打造 AI 团队而非单个 Agent"的协作平台，它的核心难题是：如何让多只 AI 猫跨越每一次会话，可靠地记住、找回并修正团队共同经历？本文带你快速看懂 Clowder AI 的记忆与证据系统架构——它不是"把旧聊天塞进 prompt"的简单 RAG，而是一套由证据层、写入车道、召回管线与治理闭环组成的 AI 记忆系统，用严格的权力边界回答了"什么值得被记住、谁有权定义真相、错了怎样撤回"三个问题。
为什么 AI 团队需要一个"记忆系统"，而不只是数据库
对新手来说，最容易踩的直觉是：既然有向量数据库，把历史消息全部存进去、再自动摘要塞回上下文，不就有记忆了吗？Clowder AI 给出的答案是否定的，原因有三：
- 每次会话都是"新生"：每个 AI Agent 醒来时上下文是空的，跨会话的沉淀必须活在模型之外；
- 自动摘要会"提前取舍"：建索引时并不知道未来会查什么，总结者认为不重要的，恰恰可能是将来最需要找的；
- 多猫共写会失真：一只猫的检索结果对另一只猫只是二手证据，没有来源链和治理，记忆会随转手衰减。
于是 Clowder AI 把记忆系统定义为一个"器官"而非"工具箱"：把每次协作、犯错、纠正，转化为下一次更好的在场。完整的设计哲学见 docs/architecture/memory-philosophy.md，系统全景见 docs/architecture/memory-system-overview.md。
全景图：一栋六层楼、两个方向、三条横切
理解整套架构最快的方式，是把记忆系统想象成一栋六层楼：
- ① 证据层：保存原文、原件与来源坐标，是整栋楼的地基；
- ② 导航层：索引、别名、实体图，告诉猫"去哪里找"，但导航产物可重建、不拥有内容；
- ③ 读取层：猫按任务主动搜索、下钻、回到原文；
- ④ 写入层：人物、品味、画像、事件、日记等多条"车道"，各有自己的治理规则；
- ⑤ 主动性层：系统在合适的时机敲门，让猫做"要不要写、要不要想起"的判断；
- ⑥ 治理层：批准、纠正、遗忘、权限收窄，并且必须向所有派生读面传播。
左右两个金色箭头就是两个方向：左侧"怎样留下来"（写入），右侧"怎样想起来"（召回）。三条横切线（呈现/连续性、结果证据、猫自己的行动）贯穿全部楼层。这套"六层大厦 + 八个端到端模块 + 九个观察面"的多视图导航地图，登记在 docs/architecture/memory/README.md，是记忆架构的官方导航入口。
证据层：先保住原文，索引不是真相
证据层回答一个问题：事情到底发生过吗？它做三件事：
- 保存原始载荷：对话消息、文档、ADR、任务产物都保留原文，而不是只留摘要；
- 记录坐标与权限：每条证据带来源坐标（在哪个 thread、哪条消息）、owner/scope/ACL 与 revision 版本；
- 明确拒绝自动裁决：证据层不自动认定"最终真相"——图中那条打叉的虚线就是在强调这一点。
工程上，这一层由 F102 落地：所有证据存进本地 SQLite 数据库evidence.sqlite，配合 SQLite FTS5 全文索引与 sqlite-vec 向量近邻检索，全部本地运行、不依赖外部搜索服务，实现代码位于 packages/api/src/domains/memory/，设计文档见 docs/features/F102-memory-adapter-refactor.md。
💡 关键观念：索引是可重建的导航，不是真相本身。索引丢了可以重建；但如果一开始只存了摘要，真相就永远找不回来了。
读取层：一条查询要穿过的 14 层检索管线
当猫主动搜索时，一条 query 会经历"多策略召回 → 多信号融合 → 多维度重排 → 输出可行动证据"的完整管线，官方称之为 14 层检索架构：
- 召回：实体别名解析（知道 "Ragdoll" 和内部标识是同一只猫）、BM25 全文检索、长查询逐级放松、语义向量近邻检索多路并行；
- 融合：用 RRF（倒数排名融合）把量纲不同的多路结果合成统一排名，中文查询还会给语义路加权；
- 重排：权威度提升、基于真实使用行为的学习排序、时效衰减、宪法级文档免降权、MMR 去重等；
- 输出：不只是摘要片段，还给出来源引用、命中理由、可继续下钻的"证据信封"——猫可以一键打开原文窗口。
注意图中右下角的那只猫：检索只给证据候选，判断仍由猫完成。这正是该系统与"自动塞 prompt"方案最本质的区别。完整 14 层逐层解析见 docs/architecture/retrieval-pipeline-deep-dive.md。
主动性层：系统敲门，猫做判断
记忆系统最容易失败的环节是"该想起的时候没想起"。Clowder AI 的设计很克制：
- 机械 detector 只报告事实（例如"任务完成了""出现了人物线索""某条记忆被纠正了"），从不判断重要性；
- 命中的机械事实生成两类有界机会：WriteOpportunity（要不要写？）与RecallOpportunity（要不要想起？）；
- 猫必须明确给出三选一处置：
propose（提出写入）/defer（暂缓）/abstain（放弃），或者对召回线索drill（下钻）/applied（采用）/dismissed（忽略）； - 而且零条 cue 是合法的——没有相关线索就不打扰，"宁缺毋滥"。
背后的工程骨架包括：F271 在收工和每日巡逻时主动检查"会蒸发且以后可能有用的增量"（见 docs/features/F271-pragmatic-memory-reflection.md）；F287 Cue 平面只认"封闭的类型化机会目录"，防止演变成开放式 RAG（见 docs/features/F287-memory-cue-plane.md 与 docs/architecture/memory-cue-source-map.md）。
治理层：成为真相，也能被撤回
一条候选记忆变成"真相"的过程，是这条流水线上权力最重的环节：
- 候选（Proposal）→ 车道自有治理：每条车道（品味、人物、画像、事件……）自行定义 approve / reject / not-now、来源（Provenance）、作用域（Scope）与 ACL，并不存在统一的中央审批；
- 进入 Canonical Truth：成为真相后拥有 revision 版本链，修改、替换、退役都有据可查；
- 纠错、遗忘、ACL 收窄必须级联传播：任何一条真相被纠正或遗忘，索引、摘要、卡片、cue、prompt 等所有派生读面都必须同步失效——图中右侧那组阀门就是这个传播管道。
派生视图（索引、摘要、关系卡片、缓存）被合同冻结为"永远不获得真相权力"：必须携带来源引用、构造时间与权限交集，状态变为 suspect/invalidated 时只能回源重建，不允许静默使用旧数据。这保证了"任何派生物都不能绕过撤回"。
值得记住的几条"硬边界"
如果只带走一张清单，带走这五条（完整版见全景文档的"十条硬边界"）：
| 边界 | 人话解释 |
|---|---|
| 观察 ≠ 结论 | 机械检测器只报事实，"值不值得记"必须由猫明确裁决 |
| 索引 ≠ 真相源 | 投影可重建，缓存变快不能换来 authority |
| 线索 ≠ 欲望 | 系统浮现线索，只有猫能把 cue 采纳为自己的意图与行动 |
| 遗忘是权利，不是缺陷 | 遗忘 = "不该被找到的找不到"（合法）；幽灵 = "该被找到的找不到"（缺陷） |
| 呈现不提升权限 | 记忆被展示、被打开、被采用、帮助了结果，是四种不同层级的证据，不能互相代证 |
动手深挖：推荐阅读顺序与源码入口
想从本文继续深入，建议按这条路径阅读官方文档：
- 设计原则（公理与定律）：docs/architecture/memory-philosophy.md
- 系统全景与闭环账本：docs/architecture/memory-system-overview.md
- 一次搜索的完整管线：docs/architecture/retrieval-pipeline-deep-dive.md
- 逐层正式图集（九张图）：docs/architecture/memory/memory-architecture-diagrams.md
- 记忆架构导航 Atlas：docs/architecture/memory/README.md
- 核心实现源码：packages/api/src/domains/memory/
结语：它造的不是数据库，是"关系系统"
Clowder AI 的记忆与证据系统给所有做 AI Agent 团队的人提了一个醒：记忆的核心难题不是"存得多"，而是"谁有权定义、错了怎样撤回"。六层楼、双方向、三横切的架构，配合"证据先于真相、线索不等于结论、派生永不夺权"的硬边界，才让一群每次醒来都是"新生"的 AI 猫，拥有了可以共同信任、共同纠错、持续成长的组织记忆。
【免费下载链接】clowder-aiBuild AI teams, not just agents. Hard rails, soft power, shared mission.项目地址: https://gitcode.com/gh_mirrors/cl/clowder-ai
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
