用途：为 Agent 构建分层（折叠式）记忆，替代用单条扁平摘要替换历史。要求先阅读 compact-memory-implementation，折叠记忆沿用相同的 fork-agent 与 trigger 概念。
三层结构：L1 工作记忆保存原始对话轮次（如最近 20 轮或约 30k tokens），以完整 messages[] 注入；L2 情景记忆保存压缩后的 episode 摘要（如最多 10 个 episode，每个覆盖约 20 轮），以结构化块写入 system prompt；L3 语义记忆保存抽象事实、稳定决策、已排除方案与领域知识，不设上限但严格过滤，始终注入。L1 满时 fork episode compactor 把最旧轮次移入 L2；L2 满时 fork semantic extractor 把最旧 episode 蒸馏进 L3。
主要能力与用法：提供 Episode、SemanticMemory、FoldedMemory 数据结构；EPISODE_COMPACTOR_PROMPT 与 SEMANTIC_EXTRACTOR_PROMPT 提示词；compact_l1_to_episode、distill_episodes_to_semantic、maybe_fold、build_system_with_folded_memory、run_agent、save/load_folded_memory 等函数示例。通过 L1_MAX_TURNS、L2_MAX_EPISODES 控制折叠阈值，L1 满时折叠一半并保留较新一半。
适用场景：会话跨越数百轮与多个 session、需要召回很久之前的决策、领域知识持续积累时使用；50 轮以内或可接受信息损失时用扁平 compact 方案。
限制与注意：避免过度折叠（L1 窗口至少 15–20 轮）；在提取提示词中设置质量门槛防止 L3 无限膨胀低质事实；Episode.tool_results 需保留后续可能用到的工具结果；控制 system prompt 长度（L2 最多 5 个近期 episode、L3 最多 20 项）；语义记忆更新需传入旧内容并要求合并而非追加。具体效果、收费与平台要求资料暂未提供。