docs: add Memory Tags blog (#559)

* docs: add Memory Tags blog

* docs: clarify Memory Tags behavior

* docs: name automatic tag workflows

README.md

@@ -49,6 +49,8 @@ users retain control of the durable files.
 
 ## 📰 Latest Updates
 
+- [2026.09] - **[Memory Tags blog](https://reme.agentscope.io/zh/blog_20260920) published (Chinese)**: an introduction
+  to file-native entity tags, rebuildable tag indexes, and tag-filtered memory search.
 - [2026.09] - **[Hermes Agent memory provider](integrations/hermes_agent/README.md) available**: choose HTTP or embedded
   mode for automatic recall before model calls and asynchronous `auto_memory` after completed turns. The integration
   supports Hermes Agent 0.21+ and includes profile-aware background work.

README_ZH.md

@@ -47,6 +47,8 @@
 
 ## 📰 最新动态
 
+- [2026.09] - **[Memory Tags 博客](https://reme.agentscope.io/zh/blog_20260920)发布**：介绍基于 Markdown 的实体标签、
+  可重建 Tag Index 与标签过滤检索。
 - [2026.09] - **[Hermes Agent 记忆 Provider](integrations/hermes_agent/README_ZH.md) 已可使用**：支持 HTTP 和 Embedded
   两种模式，在模型调用前自动召回、每轮对话结束后异步执行 `auto_memory`。集成支持 Hermes Agent 0.21 及以上版本，后台任务也会继承当前 profile 上下文。
 - [2026.09] - **[OpenClaw 插件](https://reme.agentscope.io/zh/integrations/openclaw) 发布**：可通过

docs/.vitepress/config.mts

@@ -216,12 +216,22 @@ function benchmarksSidebar(language: "zh" | "en"): DefaultTheme.SidebarItem[] {
 
 function singlePageSidebar(language: "zh" | "en", page: "blog" | "faq"): DefaultTheme.SidebarItem[] {
   const zh = language === "zh";
+  if (page === "blog") {
+    return [{
+      text: zh ? "ReMe 博客" : "ReMe Blog",
+      collapsed: false,
+      items: [
+        { text: zh ? "产品故事" : "Product Story", link: `/${language}/reme-blog` },
+        { text: "Memory Tags", link: `/${language}/blog_20260920` },
+      ],
+    }];
+  }
   return [{
-    text: page === "blog" ? (zh ? "ReMe 博客" : "ReMe Blog") : (zh ? "帮助" : "Help"),
+    text: zh ? "帮助" : "Help",
     collapsed: false,
     items: [{
-      text: page === "blog" ? (zh ? "产品故事" : "Product Story") : (zh ? "常见问题" : "Frequently Asked Questions"),
-      link: `/${language}/${page === "blog" ? "reme-blog" : "faq"}`,
+      text: zh ? "常见问题" : "Frequently Asked Questions",
+      link: `/${language}/faq`,
     }],
   }];
 }
@@ -235,6 +245,7 @@ function sidebars(language: "zh" | "en"): DefaultTheme.SidebarMulti {
     [`/${language}/plugin_development`]: pluginsSidebar(language),
     [`/${language}/benchmarks/`]: benchmarksSidebar(language),
     [`/${language}/reme-blog`]: singlePageSidebar(language, "blog"),
+    [`/${language}/blog_20260920`]: singlePageSidebar(language, "blog"),
     [`/${language}/faq`]: singlePageSidebar(language, "faq"),
     [`/${language}/`]: docsSidebar(language),
   };

docs/en/blog_20260920.md

@@ -0,0 +1,5 @@
+# ReMe Memory Tags
+
+> The full article is currently available in Chinese.
+
+[Read the Chinese version](/zh/blog_20260920)

docs/figure/reme-blog/reme-blog-memory-tags.svg

@@ -0,0 +1,71 @@
+<svg xmlns="http://www.w3.org/2000/svg" width="1200" height="620" viewBox="0 0 1200 620" role="img"
+     aria-labelledby="title desc">
+  <title id="title">ReMe Memory Tags Workflow</title>
+  <desc id="desc">Markdown memories use the memory_tags frontmatter field to build a rebuildable bidirectional tag index. Search first narrows the file scope by tag, then applies keyword or semantic retrieval.</desc>
+  <defs>
+    <style>
+      .bg{fill:#fffdf8}.title{font:800 30px Arial,"PingFang SC",sans-serif;fill:#1f2430}
+      .sub{font:15px Arial,"PingFang SC",sans-serif;fill:#667085}.panel{fill:#fff;stroke:#1f2430;stroke-width:2}
+      .head{font:700 18px Arial,"PingFang SC",sans-serif;fill:#1f2430}.text{font:14px Arial,"PingFang SC",sans-serif;fill:#5e6a7c}
+      .tiny{font:12px Arial,"PingFang SC",sans-serif;fill:#667085}.mono{font:700 14px ui-monospace,SFMono-Regular,Menlo,monospace;fill:#1f2430}
+      .orange{fill:#fff2e5}.blue{fill:#eef7ff}.green{fill:#effaf5}.purple{fill:#f5f1ff}
+      .chip{stroke:#1f2430;stroke-width:1.4}.arrow{fill:none;stroke:#7f8b9d;stroke-width:2.2;marker-end:url(#arrow)}
+      .dash{fill:none;stroke:#ff963d;stroke-width:2;stroke-dasharray:7 6;marker-end:url(#orange-arrow)}
+    </style>
+    <marker id="arrow" markerWidth="8" markerHeight="8" refX="7" refY="4" orient="auto">
+      <path d="M0 0v8l8-4z" fill="#7f8b9d"/>
+    </marker>
+    <marker id="orange-arrow" markerWidth="8" markerHeight="8" refX="7" refY="4" orient="auto">
+      <path d="M0 0v8l8-4z" fill="#ff963d"/>
+    </marker>
+  </defs>
+
+  <rect class="bg" width="1200" height="620"/>
+  <text class="title" x="600" y="48" text-anchor="middle">From Markdown Tags to More Precise Memory Recall</text>
+  <text class="sub" x="600" y="76" text-anchor="middle">Files remain the source of truth; the tag index is a rebuildable map of memory cues</text>
+
+  <rect class="panel" x="40" y="120" width="270" height="350" rx="18"/>
+  <text class="head" x="175" y="158" text-anchor="middle">1. A Readable Memory</text>
+  <path d="M92 195h130l34 34v170H92z" fill="#fff7e8" stroke="#1f2430" stroke-width="2"/>
+  <path d="M222 195v34h34" fill="none" stroke="#1f2430" stroke-width="2"/>
+  <text class="mono" x="112" y="255">---</text>
+  <text class="mono" x="112" y="282">memory_tags:</text>
+  <text class="mono" x="112" y="309">  - Alice</text>
+  <text class="mono" x="112" y="336">  - Project_A</text>
+  <text class="mono" x="112" y="363">---</text>
+  <text class="tiny" x="175" y="432" text-anchor="middle">The body stays plain Markdown</text>
+
+  <path class="arrow" d="M310 295h70"/>
+
+  <rect class="panel" x="380" y="120" width="390" height="350" rx="18"/>
+  <text class="head" x="575" y="158" text-anchor="middle">2. Build a Bidirectional Tag Index</text>
+  <rect class="chip blue" x="420" y="195" width="140" height="70" rx="12"/>
+  <text class="head" x="490" y="226" text-anchor="middle">Alice</text>
+  <text class="tiny" x="490" y="247" text-anchor="middle">tag → files</text>
+  <rect class="chip green" x="590" y="195" width="140" height="70" rx="12"/>
+  <text class="head" x="660" y="226" text-anchor="middle">Project_A</text>
+  <text class="tiny" x="660" y="247" text-anchor="middle">tag → files</text>
+  <rect class="chip purple" x="455" y="320" width="240" height="78" rx="12"/>
+  <text class="mono" x="575" y="352" text-anchor="middle">daily/decision.md</text>
+  <text class="tiny" x="575" y="376" text-anchor="middle">file → tags</text>
+  <path class="dash" d="M490 265v42h85"/>
+  <path class="dash" d="M660 265v42h-85"/>
+  <text class="tiny" x="575" y="439" text-anchor="middle">Updated on create, edit, and delete</text>
+
+  <path class="arrow" d="M770 295h70"/>
+
+  <rect class="panel" x="840" y="120" width="320" height="350" rx="18"/>
+  <text class="head" x="1000" y="158" text-anchor="middle">3. Search with a Memory Cue</text>
+  <rect class="chip orange" x="882" y="195" width="236" height="72" rx="12"/>
+  <text class="text" x="1000" y="224" text-anchor="middle">query: What must we check before launch?</text>
+  <text class="mono" x="1000" y="248" text-anchor="middle">tags: [Project_A]</text>
+  <path class="arrow" d="M1000 267v45"/>
+  <rect class="chip blue" x="882" y="312" width="236" height="72" rx="12"/>
+  <text class="head" x="1000" y="343" text-anchor="middle">Narrow Direct Search Scope</text>
+  <text class="tiny" x="1000" y="365" text-anchor="middle">Direct hits must match the tag filter</text>
+  <path class="arrow" d="M1000 384v38"/>
+  <text class="text" x="1000" y="447" text-anchor="middle">BM25 + optional vector retrieval</text>
+
+  <path class="dash" d="M1000 470v88H175v-88"/>
+  <text class="text" x="600" y="590" text-anchor="middle">If the index is lost, source files remain intact—rebuild it from Markdown frontmatter</text>
+</svg>

docs/zh/blog_20260920.md

@@ -0,0 +1,171 @@
+# 给记忆加上“线索”——ReMe Memory Tags
+
+一个真正长期使用的记忆系统，迟早会遇到一个看似简单的问题：**记忆越来越多以后，怎么只在“正确的那一堆”里找答案？**
+
+假设你和 Agent 先后聊过三个项目，都讨论过“发布”“预算”和“负责人”。半年后，你问：
+
+> “发布前还有什么要确认？”
+
+这句话本身没有错，但线索太少。关键词搜索可能找回所有出现过“发布”的文档，语义搜索也可能把几个相似项目的经验混在一起。它们找到了“内容相似”的记忆，却不一定知道你此刻说的是哪个项目、哪家公司，或者哪个人。
+
+人类回忆往往不是这样发生的。我们很少在脑海里对所有经历做一次全文搜索，而是先抓住几个线索：**关于 Alice 的、关于 Project A 的、去年讨论过的那件事。**范围缩小以后，具体细节才逐渐浮现。
+
+这就是 ReMe 增加 Memory Tags 的原因：让每份 Markdown 记忆除了“写了什么”，还可以明确表达“这份记忆主要关于谁或什么”，并让这个线索真正参与检索。
+
+<p align="center">
+  <img src="../figure/reme-blog/reme-blog-memory-tags.svg" alt="ReMe 从 Markdown 标签建立索引并过滤搜索范围" width="100%">
+</p>
+
+## 为什么需要 Tags？
+
+ReMe 已经可以通过 BM25 找关键词，通过可选的 Embedding 找语义相近的内容，也可以沿着 Wikilink 查看记忆之间的关系。Memory Tags 并不是要替代它们，而是补上另一个维度：**检索范围。**
+
+可以把三者想成三个不同的问题：
+
+- 搜索词回答“我现在想找什么”；
+- Wikilink 回答“这份记忆和哪些记忆有关”；
+- Memory Tags 回答“我应该先去哪些记忆里找”。
+
+例如，“预算超支怎么处理”可能在很多项目里都出现过。如果搜索时加上 `Project_A`，Agent 就可以先把范围缩小到与 Project A 有关的文件，再在其中寻找“预算超支”的具体内容。
+
+目录不能完全解决这个问题。一份会议记录可能同时关于 Alice、Project A 和某个客户，但文件在磁盘上通常只能放在一个位置。标签则允许同一份记忆拥有多个入口，同时不改变文件原本的目录结构。
+
+## 一份记忆，先说清楚“关于谁或什么”
+
+ReMe 的记忆仍然是普通 Markdown。标签直接写在文件的 YAML frontmatter 中，例如：
+
+```markdown
+---
+name: Project A 发布前检查
+description: Alice 确认了发布窗口、回滚条件和客户通知顺序。
+memory_tags:
+  - Alice
+  - Project_A
+---
+
+Project A 定于周四晚发布。发布前需要先完成回归测试，并由 Alice
+确认客户通知；如果错误率超过约定阈值，则执行回滚。
+```
+
+默认字段名是 `memory_tags`。这个名字有意强调：它不是给文章随手贴一串宽泛关键词，而是在回答一个更稳定的问题：
+
+> **这份 Markdown 承载的是关于谁或什么现实实体的记忆？**
+
+这里的实体可以是人物、组织、公司、项目或资产，例如 `Alice`、`宁德时代`、`Project_A`、`黄金`。相比“工作”“重要”“会议”这类宽泛主题，实体更适合作为长期记忆的锚点，因为人、组织和项目往往会跨越许多次对话持续出现。
+
+在默认配置中，Auto Memory（`auto_memory`、`auto_memory_cc`）和 Auto Dream（`auto_dream`、`dream_cron`）会为本轮实际新增或修改的 daily、digest Markdown 生成这类标签。打标时，它会先阅读完整文档和现有 frontmatter，再查看工作区已经使用的标签，优先复用同一个实体的已有写法，避免 `Project_A`、`project a` 和 `项目A` 在不知不觉中变成三套标签。手动导入或编辑文件不会触发自动打标；文件里已经存在的 `memory_tags` 则会由文件监听流程同步到 Tag Index。
+
+默认情况下，一份文件只选择最主要的实体；确实围绕多个独立实体时才使用多个标签，并限制标签数量。没有明确核心实体的文档也可以使用空列表：
+
+```yaml
+memory_tags: []
+```
+
+这比“为了打标签而打标签”更重要。标签越多不代表记忆越丰富；太多宽泛标签反而会让每次过滤都重新变成全库搜索。
+
+当然，`memory_tags` 只是 ReMe 的默认约定。标签索引读取哪个 frontmatter 字段可以配置，标签值也由用户自己的工作区决定。已经有 `entities`、`people` 或其他字段规范的团队，可以让索引适配自己的文件，而不必把 Markdown 迁入另一套封闭格式。
+
+## Tag Index 怎么工作？
+
+读取到 frontmatter 后，ReMe 会构建两张很简单的“线索表”：“一个标签对应哪些文件”，以及“一份文件有哪些标签”。例如：
+
+```text
+Alice       -> daily/project-a-launch.md
+Project_A   -> daily/project-a-launch.md
+
+daily/project-a-launch.md -> Alice, Project_A
+```
+
+这是一份基于 Markdown 文件派生出来的双向索引。新增或修改记忆时，对应关系会更新；文件删除后，旧关系也会被移除。标签在比较时会忽略大小写，并统一空格等形式，减少同一标签因为书写差异而分裂。
+
+索引本身不取代文件，也不是新的事实来源。真正的标签仍然写在用户可见、可编辑的 frontmatter 里。即使索引丢失，也可以从当前文件图中的 Markdown 元数据重新构建：
+
+```bash
+reme reindex scope=tag
+```
+
+这仍然遵循 ReMe 一贯的原则：**文件属于用户，索引服务于文件，并且随时可以重建。**
+
+如果想看看当前工作区里有哪些标签，以及每个标签关联了多少文件，可以直接列出标签：
+
+```bash
+reme list_tags order_by=file_count order=desc
+```
+
+它不仅方便搜索，也让记忆库的结构变得可观察。你可以很快发现某个项目已经积累了大量记忆，也可以发现同一个人是否被误写成了几种近似名称。
+
+## 搜索时，标签如何参与？
+
+Memory Tags 最重要的作用不是展示，而是过滤。
+
+还是前面的例子。只搜索一句自然语言：
+
+```bash
+reme search query="发布前还有什么要确认？"
+```
+
+这是在整个可搜索记忆范围内寻找答案。加入标签后：
+
+```bash
+reme search \
+  query="发布前还有什么要确认？" \
+  tags='["Project_A"]'
+```
+
+ReMe 会先通过 Tag Index 找出带有 `Project_A` 的文件，再让 BM25 和可选向量检索只从这些文件中产生直接命中，最后照常完成排名融合。
+
+这里有一个边界：标签过滤约束的是直接检索命中，不会截断 Wikilink 关系。默认的链接展开仍可能列出标签范围外邻居的路径、名称和描述，帮助 Agent 判断是否要继续读取；这些邻居不会因此变成关键词或向量检索的直接命中。
+
+这可以概括为：
+
+```text
+自然语言问题 + 标签线索
+          ↓
+Tag Index 找到候选文件
+          ↓
+在候选文件中做关键词 / 语义检索
+          ↓
+返回直接命中片段，并按需列出关系
+（关系邻居可能在标签范围之外）
+```
+
+标签过滤还可以和日期条件叠加。例如，只查看某个项目在最近一个月形成的记忆。每个条件都负责缩小一个维度：实体限定“关于谁或什么”，日期限定“什么时候”，搜索词限定“具体想知道什么”。
+
+如果一次提供多个标签，ReMe 当前采用“命中任意一个即可”的方式筛选文件。比如 `tags=[Alice, Project_A]` 会召回关于 Alice 或 Project A 的记忆，再由搜索词决定哪些内容排在前面。这种方式适合 Agent 用几个可能的实体线索扩大候选集，同时避免回到全库搜索。
+
+## 它会带来什么变化？
+
+Memory Tags 带来的效果，不是让每次搜索都多一个必填参数。没有标签时，原有搜索仍然可以正常工作。它真正改变的是：当用户或 Agent 已经知道一部分上下文时，这些上下文不再只能藏在一句模糊的查询里。
+
+### 1. 同一句话，不再轻易串到别的项目
+
+“上次为什么延期”“预算是谁确认的”“发布前还差什么”都是高度依赖上下文的问题。标签先把项目或人物范围固定下来，可以减少名字相似、内容相似的其他记忆进入候选集。
+
+### 2. 围绕同一实体的记忆可以跨时间聚合
+
+Alice 可能出现在会议记录、项目决策、个人偏好和复盘文档中。这些文件不需要被搬到同一个目录，只要共享同一标签，就可以形成一个跨目录、跨日期的实体视图。
+
+### 3. 记忆的结构对人和 Agent 都可见
+
+标签不是藏在专用数据库里的内部字段。用户打开 Markdown 就能看到、修改和审阅它。Agent 也可以先查看当前有哪些标签，再决定带着哪个实体线索搜索。错误标签能被发现，标签命名也能逐步收敛。
+
+### 4. 搜索更容易解释
+
+当结果不符合预期时，可以把问题拆开检查：文档是否写对了 `memory_tags`，Tag Index 是否包含对应路径，还是关键词或语义排名没有命中。相比一个无法观察的整体分数，这条链路更容易诊断和修正。
+
+## Tags 不是分类法，而是记忆的提取线索
+
+我们并不希望把个人知识库变成一棵需要精心维护的分类树。真实记忆天然会重叠：一次谈话既可能关于一个人，也可能关于一个项目；一项决定既属于当下的会议，也会影响几个月后的复盘。
+
+Memory Tags 更像人类记忆里的提取线索。看到一个人的名字，我们会想起共同经历；想到一个项目，我们会联想到相关决定、问题和承诺。线索本身不是记忆正文，却能帮助我们从大量经历中更快进入正确的上下文。
+
+ReMe 所做的事情很朴素：
+
+- 用 Markdown 保存完整、可读的记忆；
+- 用 `memory_tags` 表达“这份记忆关于谁或什么”；
+- 用可重建的 Tag Index 把实体和文件连接起来；
+- 搜索时先用标签缩小范围，再用关键词、语义和链接找到具体答案。
+
+这样，记忆不只是一堆可以全文搜索的文档，也开始拥有更符合人类联想方式的结构。
+
+当你说“还是上次 Alice 那个项目”时，Agent 获得的不再只是一句话。它有了一条可以真正沿着走回过去的线索。