Elite Longterm Memory

• 您在對話中途失去上下文 — WAL（預寫式日誌）協議確保狀態在代理回應之前寫入，因此壓縮與崩潰都無法清除重要內容。
• 您跨越長期執行或多工作階段的專案 — 精心整理的 MEMORY.md 加上每日日誌，為代理與人類雙方提供持久且可讀的決策記錄。
• 您的代理重複犯錯或遺忘偏好設定 — Mem0 自動從對話中提取事實並去除重複內容，相較於原始歷史記錄可減少約 80% 的 token 用量。
• 您執行子代理或平行工作流 — 分層架構讓您可以透過 git-notes 與語義搜尋傳遞結構化上下文，而無需重複解釋所有內容。

• 您需要一次性、單一工作階段的任務 — 完整的 5 層架構設置會增加額外負擔，對於臨時腳本或短期任務來說並不值得。
• 您未使用與 OpenAI 相容的 LLM 金鑰 — 語義向量搜尋（LanceDB）與 Mem0 整合需要 OPENAI_API_KEY；若沒有此金鑰，Elite Longterm Memory 將無法發揮其完整潛力。

狀態會在代理回應之前寫入 SESSION-STATE.md，而非之後。這可防止在壓縮、崩潰或對話中途中斷時發生上下文遺失——這是一般簡易記憶方式無法提供的保證。

所有記憶均索引於本地 LanceDB 向量存儲中。自動召回功能會將最相關的先前上下文注入每次回應，而手動的 memory_store / memory_recall 指令則讓您可依類別與重要性分數進行查詢或篩選。

結構化的決策、學習成果與分支感知上下文以 git notes 形式儲存——靜默、受版本控制，並可匯出為 JSON。它們會永久保存於您的儲存庫歷史記錄之中。

Mem0 能自動從原始對話記錄中擷取事實、偏好與決策，進行去重複處理，並在需要時提取相關記憶。這消除了傳遞完整聊天記錄的需求，最多可將 Token 消耗降低 80%。

可選擇將您的知識庫同步至 SuperMemory，以實現跨裝置存取及以自然語言查詢已儲存的內容。需要提供 SUPERMEMORY_API_KEY。

一個位於根目錄的 MEMORY.md 檔案，以及儲存於 memory/YYYY-MM-DD.md 的每日日誌，讓代理程式與開發者都能擁有清晰、可瀏覽的記錄，涵蓋所有已決定、已學習與已記憶的內容——無需任何不透明的資料庫。

隨著專案在數天或數週內持續演進，AI 代理會將技術決策（例如「使用 Tailwind，而非原生 CSS」）寫入 git-notes 與 SESSION-STATE.md。每次開啟新工作階段時，它會自動讀取先前的上下文，因此再也不會重複詢問你使用哪個框架。

當上下文視窗填滿並且代理程式進行壓縮時，SESSION-STATE.md 會作為熱記憶體（hot RAM）在重置後繼續保留。WAL 協定確保在壓縮觸發之前，最後一次交流中所說的任何內容都已持久化儲存。

儲存於 git-notes 和 LanceDB 中的上下文，可在任務開始時由任何生成的子代理查詢，因此並行代理無需手動重新說明，即可共享相同的決策與偏好設定。

使用者偏好、週期性截止日期及已修正的錯誤，皆由 Mem0 自動擷取並跨工作階段儲存。該代理程式會隨著時間推移建立準確且去重複的使用者模型，而不會使提示詞不斷膨脹。