用途:把通用 memory-management 分层模式落到 Project Sanctuary 的具体后端与路径,让智能体知道每一层记忆存在哪里、如何查询和刷新。依赖 memory-management、rlm-factory、vector-db、obsidian-integration、huggingface-utils。
主要能力与分层:Tier 1 热缓存,启动时加载 .agent/learning/ 下四份文件(cognitive_primer.md、guardian_boot_digest.md、guardian_boot_contract.md、learning_package_snapshot.md),目标约 200 行。Tier 2 RLM 摘要账本,由 rlm-factory 提供 rlm_summary_cache.json(project)与 rlm_tool_cache.json(tools);查询用 python plugins/rlm-factory/skills/rlm-search/scripts/query_cache.py --profile project "keyword",刷新可用 /rlm-factory_gap-fill 或 distiller.py。批量补缺可经 swarm_run.py 调用 copilot 引擎(--workers 2)或 gemini(--workers 5)。Tier 3 向量库,ChromaDB 本地 8110 端口,配置 vector_profiles.json,支持父子语义检索与 AST 代码解析,命令含 query.py、ingest.py、cleanup.py 及 chroma run --host 127.0.0.1 --port 8110 --path .vector_data &。Tier 4 深存储为文件系统:LEARNING/topics、ADRs、01_PROTOCOLS、Journal。Tier 5 Vault 走 obsidian-integration 的 OBSIDIAN_VAULT_PATH,操作含笔记 CRUD、markdown、canvas、图谱遍历、Bases。Tier 6 Soul 通过 huggingface-utils 同步到数据集 richfrem/Project_Sanctuary_Soul,含 lineage/、data/、metadata/。
使用方式:会话启动加载热缓存并校验快照;检索按 RLM→向量→文件的顺序;新学习、决策、协议、日志分别写入对应层;收尾时封存快照、上传 HuggingFace、刷新 RLM 与向量库、可选导出 Obsidian。
限制:inject_summary.py 用 fcntl.flock 串行化写入,不可并行写缓存以免竞态丢失;中断后需用 git 快照对账(以 git 为基、当前为覆盖),清理不在真实缓存中的 checkpoint 记录,再以 --resume 续跑。资料未提供版本、许可证、付费与价格信息。