up

docs4/reme4_report.md

@@ -1,56 +1,40 @@
-# ReMe 新版本：可自进化的个人知识与记忆引擎
+# ReMe：把本地 Markdown 自进化成知识图谱的个人记忆引擎
 
 > 面向 Leader / 决策者的能力报告
-> 关键词：个人知识库 · 记忆自进化 · 多模检索 · Agent 接入 · 本地优先
+> 关键词：个人记忆 · 记忆自进化 · 多模检索 · Agent 接入 · 本地优先
 
 ---
 
 ## 一、引言：为什么要做新版本
 
-### 1.1 ReMe 新版本 的一句话定位
+### 1.1 ReMe 的一句话定位
 
 > **ReMe 是一个把本地 Markdown 自进化成知识图谱的个人记忆引擎。**
 
 这句话的内在逻辑是**递进**而非并列——三个支柱按"载体 → 机制 → 结果"层层咬合：
 
-- **本地 Markdown（载体）** → 所有记忆都是普通 .md 文件，用户可读、可备份、可迁移，Obsidian 直接打开，对抗黑盒。
+- **本地 Markdown（载体）** → 所有记忆都是 Obsidian 兼容的 .md 文件——YAML front matter、四种 wikilink（`[[X]]` /
+  `[[X#anchor]]`
+  / `[[X|alias]]` / `![[X]]`）、Dataview 风格 `predicate:: [[X]]` 语义关系全部沿用社区约定。用户可读、可备份、可迁移，对抗黑盒。
 - **自进化（机制）** → 不需要用户手工整理，Agent 在后台让笔记自己长出结构。这一点把 ReMe 同时与"手动建图的 Obsidian"和"扁平存储的
   Mem0"拉开。
-- **知识图谱（结果）** → 自进化的产出物不是一堆扁平笔记，而是一张通过 wikilink 互相串联、可视化浏览、可多模检索的图。
+- **知识图谱（结果）** → 自进化的产出物不是一堆扁平笔记，而是一张可被**多模 + 渐进式检索**消费的图：向量 + 关键词（中文
+  BM25）+
+  图谱三路 RRF 融合，返回时通过 1-hop 邻居 meta 让 Agent"先看目录、再决定要不要展开正文"，不像传统 RAG 那样一次性把 top-K
+  切片塞进上下文。
+- **记忆分层（形态的物化）** → 记忆按层次分为四类：`resource/`（原始素材）、`daily/`（日记事件）、`knowledge/`（主题长期知识）、
+  `proactive/`（Agent 主动洞察）；正交地按内容性质又分个性化、程序化、知识类三种，写入策略和检索权重各有差异。
+- **被集成而非内置（分发形态）** → ReMe 不做独立 Agent 产品，而是作为**能力**被任意 Harness 调用：SDK 深度集成（qwenpaw /
+  AgentScope）、MCP Tool（Claude Code / Cursor / Cherry Studio）、CLI + skill.md 三条路径并行，记忆跟着用户走，不绑定任何上层框架。
 
-它同时**可被任意 Agent / Harness 框架接入**——qwenpaw、Claude Code、Cursor 都可以把 ReMe 当作能力调用，不绑定任何特定 Agent
-产品。
-
-### 1.2 为什么是现在：Agent 时代的记忆缺口
-
-模型能力快速趋同的当下，差异化已经从模型本身转移到**「这个 Agent 是不是了解我」**
-：它知不知道我的工作背景、过往项目、失败教训？能不能记住我半年前提过的偏好，并在今天的对话里自然用上？
-
-**模型是大家共享的，记忆是每个用户独有的。** 长期、可信、可进化的个人记忆，才是 Agent 时代真正的差异化护城河。
-
-而当前业界的记忆方案 —— 无论是 Memo、Mem0 还是 Letta —— 都存在三个共性问题，正好对应 ReMe 新版本 的三个核心主张：
-
-| 业界痛点                              | ReMe 新版本 的回应                                         |
-|-----------------------------------|------------------------------------------------------|
-| **黑盒不可读**：记忆存在专有数据库里，用户看不到、改不了    | 本地 Markdown，Obsidian 直接打开                            |
-| **不可移植**：换 Agent 框架就要重新积累，记忆被产品锁死 | 任意 Harness 接入，记忆跟着用户走                                |
-| **缺乏自进化**：只是写入 + 检索，不会自己整理、归类、关联  | auto-memory / auto-dream / auto-link 三件套合力长成可浏览的知识图谱 |
-
-### 1.3 老版本 → 新版本的关键升级
-
-| 维度         | 老版本                  | 新版本                                              |
-|------------|----------------------|--------------------------------------------------|
-| 记忆动作       | 只是把对话存下来             | 主动整理、归档、关联，长成可浏览的知识图谱                            |
-| 检索方式       | 单一向量检索               | 向量 + 关键词（中文 BM25）+ 图谱 多模融合                       |
-| 与 Agent 关系 | ReMe 内置 Agent        | ReMe 作为能力被 qwenpaw / Claude Code / 其它 Harness 接入 |
-| 底层依赖       | sqlite / chroma 等三方库 | 自研轻量内核，跨平台稳定                                     |
-| 数据格式       | 内部数据库                | Obsidian 兼容的 Markdown 文件                         |
+支撑这一切的是**自研轻量索引内核**——纯 Python(后期可以使用rust重写索引内核) + 文件持久化，无 sqlite / chroma
+等原生扩展依赖，老旧 Linux/Win 也能稳跑，这是 ReMe 能"被部署到大量异构用户机器"的工程前提。
 
 ---
 
 ## 二、产品全景图
 
-### 2.1 一张图看 ReMe 新版本
+### 2.1 一张图看 ReMe
 
 ```
 ┌─────────────────────────────────────────────────────────┐
@@ -161,7 +145,7 @@ ReMe 不把对话一股脑塞进数据库，而是让记忆**像人脑一样有
 
 ## 四、记忆的自进化（核心差异化）
 
-> 这是新版本最重要的能力，也是和市面所有「记忆即数据库」产品的根本分野。
+> 这是 ReMe 最重要的能力，也是和市面所有「记忆即数据库」产品的根本分野。
 >
 > **ReMe 的记忆不是被动存的，是主动长成知识图谱的。**
 
@@ -223,7 +207,7 @@ ReMe 不把对话一股脑塞进数据库，而是让记忆**像人脑一样有
 
 ### 5.1 三路融合的混合检索
 
-ReMe 新版本 同时跑三种检索通路，结果通过 RRF（Reciprocal Rank Fusion）排序融合：
+ReMe 同时跑三种检索通路，结果通过 RRF（Reciprocal Rank Fusion）排序融合：
 
 - **向量检索** —— 捕捉语义相似度（"钴" ≈ "锂电正极原料"）
 - **关键词检索（BM25）** —— 精确匹配，对中文友好（"宁德时代" 一定要命中）
@@ -239,13 +223,14 @@ ReMe 新版本 同时跑三种检索通路，结果通过 RRF（Reciprocal Rank
 
 ### 5.2 渐进式展开
 
-传统 RAG 是一次性把 top-K 切片塞进上下文，token 利用率低，而且经常带进不相关的噪音。ReMe 的检索（`reme4/steps/common/search.py`）是**分跳**的，且每一跳的"信息密度"刻意不同：
+传统 RAG 是一次性把 top-K 切片塞进上下文，token 利用率低，而且经常带进不相关的噪音。ReMe 的检索（
+`reme4/steps/common/search.py`）是**分跳**的，且每一跳的"信息密度"刻意不同：
 
 - **第一跳：直接命中的切片**——返回 chunk 全文 + 章节骨架。
 - **第二跳：1-hop 邻居**——只返回邻居的 path + meta（title/tags）+ 边的语义（predicate/anchor），**不展开正文**。
 - **第 N 跳：Agent 主动追问**——基于二跳的"目录"，挑出真正相关的邻居，再发起新一次 search 拿正文。
 
-#### 一个具体例子：分析师查询"钴的下游应用"
+**一个具体例子：分析师查询"钴的下游应用"**
 
 第一跳直接命中 `knowledge/产业链/钴.md` 的某一段切片，answer 里这一段长这样：
 
@@ -271,14 +256,16 @@ ReMe 新版本 同时跑三种检索通路，结果通过 RRF（Reciprocal Rank
 
 注意第二跳的信息只有"路径 + 标题 + 标签 + 边的 predicate/anchor"，**没有邻居正文**。这是关键设计：
 
-- 一次检索就让 Agent 看到"这个主题周围长什么样"——上游是刚果(金)、嘉能可，下游是三元正极，被锂电产业链当作 upstream 引用，最近还在 3 月 18 日的宁德调研里被提到。
+- 一次检索就让 Agent 看到"这个主题周围长什么样"——上游是刚果(金)、嘉能可，下游是三元正极，被锂电产业链当作 upstream 引用，最近还在
+  3 月 18 日的宁德调研里被提到。
 - Agent 可以基于这份"目录"判断哪个邻居才是用户真正想要的，再调一次 search 拉对应文件的正文（比如挑 `三元正极.md` 的细节）。
 
-#### 为什么不一次把邻居正文也带回来
+**为什么不一次把邻居正文也带回来**
 
-如果第二跳直接返回正文，三跳网络很容易把上下文撑爆。当前实现里 `max_links_per_direction` 默认 10，单跳最多吐出 10 个 outlink + 10 个 inlink 的 meta，每条只占一行，**整张二跳目录的成本不到一个 chunk 的 token**。
+如果第二跳直接返回正文，三跳网络很容易把上下文撑爆。当前实现里 `max_links_per_direction` 默认 10，单跳最多吐出 10 个
+outlink + 10 个 inlink 的 meta，每条只占一行，**整张二跳目录的成本不到一个 chunk 的 token**。
 
-#### 工程层面的关键参数
+**工程层面的关键参数**
 
 - `candidate_multiplier=3.0`：候选池预拉 `limit*3` 条（最多 200），给 RRF 融合留余量。
 - `min_score`：过低分切片直接丢弃，避免噪音。
@@ -286,13 +273,14 @@ ReMe 新版本 同时跑三种检索通路，结果通过 RRF（Reciprocal Rank
 - `max_links_per_direction=10`：单方向（出/入）最多展示几个邻居，防爆。
 
 **用户体验**：检索像"翻知识网络"——先看一眼周边目录，再决定要不要深入某一条线，而不是"拉一坨切片塞进上下文"。
-**工程价值**：上下文窗口永远只装最相关的部分，token 成本可控；Agent 也能更精确地解释"我为什么知道这个"——因为它能引用 predicate=upstream、anchor=#应用 这种带语义的边。
+**工程价值**：上下文窗口永远只装最相关的部分，token 成本可控；Agent 也能更精确地解释"我为什么知道这个"——因为它能引用
+predicate=upstream、anchor=#应用 这种带语义的边。
 
 ### 5.3 关键词索引的工程价值
 
 很多人忽视：**做中文知识库，关键词检索比向量更重要**。
 
-ReMe 新版本 自研增量 BM25 倒排索引，配合 jieba 中文分词：
+ReMe 自研增量 BM25 倒排索引，配合 jieba 中文分词：
 
 - 增量更新：新增/删除文件无需重建全索引。
 - 跨平台：纯 Python + 文件落盘，没有 sqlite/chroma 这类原生扩展。
@@ -471,28 +459,368 @@ jobs:
 
 ### 9.1 金融场景：产业链知识库
 
-**输入**：研报、调研纪要、行业新闻、对话讨论。
-**产出**：按"产业链 → 公司 → 产品"组织的知识图谱，每个节点都有可追溯的原始素材。
-**体验**：
+**主角**：王分析师，新能源行业研究员，每天要处理 10+ 篇研报、数十条产业新闻、若干场公司调研。
+**痛点**：信息散落在飞书文档、PDF 研报、微信群消息、调研纪要里，"上次调研宁德时代时聊到的钴价话题"再也找不回来。
 
-- 分析师问"锂电下游有哪些应用"，ReMe 沿图谱渐进展开，从"锂电"到"动力电池/储能/消费电子"，再到具体公司案例。
-- 发生重大事件时，ReMe 主动在 proactive 笔记里推送"这条新闻和您 3 月份关注的 XX 主题相关"。
+#### 一周内 ReMe 自动织出的产业链图谱
 
-### 9.2 个人工作 & 生活
+**Day 1（周一）盘后**：王分析师把今天看到的 3 篇研报扔给 Agent，又口述了对刚果(金)矿权变更的看法。
 
-**输入**：日常对话、会议记录、学习笔记、思考片段、阅读资料。
-**产出**：daily 流水 + knowledge 主题库 + proactive 主动建议。
-**体验**：
+```
+对话原文(片段)：
+> 今天嘉能可发了三季报，钴产量同比下滑 18%……
+> 刚果(金)那边的政策变化，对洛阳钼业 KFM 矿的影响要重点跟……
+> 下游三元正极厂商已经开始转向高镍低钴方案……
+```
 
-- 使用 1 周：daily 已经在帮你做"今天发生了什么"的自动化日记。
-- 使用 1 个月：knowledge 库开始浮现你高频关注的主题（"工作流"、"团队管理"、"读过的书"）。
-- 使用 3 个月：知识库已经长成你"第二大脑"，Obsidian Graph View 打开是密集的网状结构。
+ReMe 当晚自动落到：
 
-### 9.3 Agent 长期陪伴
+```
+daily/20260518/
+├── 嘉能可三季报点评.md       ← Auto-Memory 拆出的事件 1
+├── 刚果金矿权政策跟踪.md      ← 事件 2
+└── 三元正极高镍化趋势.md      ← 事件 3
+```
 
-- Agent 跨会话记得用户偏好、过往任务、失败教训。
-- **任务复用**：相似任务自动召回过去的程序化记忆作为参考（"上次修这类 bug 你试过 A 方案，没成功；试过 B 方案，成了"）。
-- **个性化进化**：Agent 越用越懂用户，差异化体验来自 ReMe 维护的个人记忆，而不是模型本身。
+**Day 3（周三）夜间 Auto-Dream 触发**：把零散事件抽成主题笔记。
+
+```
+knowledge/产业链/
+├── 钴.md                    ← 新建：聚合 3 天里所有提到「钴」的内容
+├── 锂电产业链.md             ← 新建：上下游全链路总览
+└── 三元正极.md               ← 新建：技术路线变化
+knowledge/公司/
+├── 嘉能可.md                ← 新建
+├── 洛阳钼业.md              ← 新建
+└── 宁德时代.md              ← 已有，本次新增「高镍化决策」一节
+```
+
+**Day 7（周日）打开 Obsidian Graph View**：一周不动手整理，图谱已经长成下面这样。
+
+```
+                          ┌─────────────┐
+                ┌────────►│ 锂电产业链   │◄────────┐
+                │         └──────┬──────┘         │
+                │  upstream      │                │ upstream
+                │                │ contains       │
+        ┌───────┴──────┐         ▼         ┌──────┴──────┐
+        │   钴矿       │   ┌─────────┐     │   锂矿      │
+        │ (刚果金)     │◄──┤   钴    ├────►│  (盐湖)     │
+        └───────┬──────┘   └────┬────┘     └─────────────┘
+                │ producer      │ downstream
+                ▼               ▼
+        ┌──────────────┐   ┌──────────────┐
+        │   嘉能可     │   │  三元正极    │◄── 高镍化趋势
+        │   洛阳钼业   │   └──────┬───────┘
+        └──────────────┘          │ used_by
+                                  ▼
+                          ┌──────────────┐
+                          │   宁德时代   │  ← daily/0318 调研纪要
+                          │   亿纬锂能   │  ← daily/0512 电话会
+                          └──────────────┘
+```
+
+每条边都对应文件里的一句 `predicate:: [[X]]`，每个节点点开就是 Markdown 笔记，每段笔记都能反向追溯到原始 daily 事件。
+
+#### 一次真实检索：从一个问题到完整产业链上下文
+
+**Day 8 早上**，王分析师问："**钴价下跌 20% 对下游有什么影响？**"
+
+ReMe 渐进式返回（截取关键部分）：
+
+```
+========== 第一跳：直接命中 ==========
+knowledge/产业链/钴.md:42-78  [score=0.0234]
+# 钴 / ## 价格敏感性
+钴在三元正极成本中占比约 25%……
+
+  → outlinks (5):
+    → knowledge/产品/三元正极.md       via predicate=downstream
+    → knowledge/公司/嘉能可.md         via predicate=producer
+    → knowledge/公司/洛阳钼业.md       via predicate=producer
+    → knowledge/产品/磷酸铁锂.md       via predicate=substitute
+    → daily/20260518/三元正极高镍化趋势.md  via plain
+  ← inlinks (3):
+    ← knowledge/产业链/锂电产业链.md   via predicate=upstream
+    ← daily/20260318/宁德调研纪要.md   via plain
+    ← daily/20260512/亿纬电话会.md     via plain
+
+========== 第二跳：Agent 主动展开「三元正极」「磷酸铁锂」 ==========
+knowledge/产品/三元正极.md:15-44
+# 三元正极 / ## 高镍低钴路线
+2025 年起主流厂商加速 8 系/9 系产品……
+```
+
+Agent 拿到这份"目录 + 重点正文"，直接生成了一份**带产业链上下游、带历史调研引用、带主动洞察**的回答——而王分析师没做任何手工整理。
+
+#### proactive：主动洞察推送
+
+每天早上 9:00，ReMe 在 `proactive/20260519.md` 里写：
+
+```markdown
+---
+title: 早间洞察 · 2026-05-19
+tags: [proactive, 早报]
+---
+
+## 与您近期关注主题相关的事件
+
+- **嘉能可宣布刚果(金) Mutanda 矿复产** ← 关联 [[钴]] / [[嘉能可]]
+  上周您在 [[daily/20260518/嘉能可三季报点评]] 中标注「关注复产节奏」。
+  → 复产对钴价的边际影响估计 -5% 到 -8%，可能影响 [[三元正极]] 成本。
+
+- **宁德时代发布麒麟电池新版本** ← 关联 [[宁德时代]] / [[三元正极]]
+  上次调研（[[daily/20260318/宁德调研纪要]]）中提到的高镍方案已落地。
+```
+
+**这就是金融场景下 ReMe 的核心价值**：分析师只负责"看 + 说"，知识图谱自己长出来；当行业事件发生时，ReMe 主动把"新事件 ↔ 旧上下文"的连线送到分析师面前。
+
+---
+
+### 9.2 个人工作 & 生活第二大脑
+
+**主角**：李工，前端工程师 + 业余跑者 + 有娃奶爸。每天和 Agent 聊工作 bug、读论文、讨论小孩教育、规划周末徒步路线。
+**目标**：让所有这些零散的对话沉淀成一份"自己的"知识库，三个月后能用 Obsidian 直接打开浏览。
+
+#### 时间线：从空目录到第二大脑
+
+```
+Day 1                    Day 7                    Day 30                   Day 90
+  │                        │                        │                        │
+  ▼                        ▼                        ▼                        ▼
+[空目录]            [daily 流水开始堆积]      [knowledge 主题浮现]    [图谱密集成网]
+                                                                          │
+  ──────────────────────── Auto-Memory ─────────────────────────────►     │
+                ──────────── Auto-Dream（每晚） ──────────────────►      │
+                          ────── Auto-Link（持续） ─────────────►        │
+                                                                          ▼
+                                                                  Obsidian Graph
+                                                                  打开是密集网状
+```
+
+#### Day 7：daily 流水
+
+```
+daily/
+├── 20260513.md
+├── 20260513/
+│   ├── 调试登录页面 CSS 问题.md       ← 工作
+│   ├── 读《深度工作》第三章.md         ← 学习
+│   └── 周末徒步路线讨论.md             ← 生活
+├── 20260514.md
+├── 20260514/
+│   ├── 团队周会决定切换到 pnpm.md     ← 工作
+│   ├── 给宝宝挑选英语启蒙绘本.md      ← 育儿
+│   └── 5km 配速训练记录.md             ← 跑步
+└── ……
+```
+
+打开 `daily/20260513.md`（主索引）：
+
+```markdown
+---
+title: 2026-05-13
+tags: [daily]
+---
+
+## 今日事件
+
+- 09:30 [[daily/20260513/调试登录页面 CSS 问题]] · #工作 #前端
+- 14:20 [[daily/20260513/读《深度工作》第三章]] · #阅读
+- 21:10 [[daily/20260513/周末徒步路线讨论]] · #生活 #徒步
+```
+
+#### Day 30：Auto-Dream 已经把主题归档好了
+
+```
+knowledge/
+├── personal/
+│   ├── 跑步训练日志.md          ← 把 1 个月的「配速训练」事件聚合
+│   ├── 阅读笔记/
+│   │   ├── 深度工作.md          ← 全书要点（从多次 daily 阅读片段汇总）
+│   │   └── 给孩子的诗.md
+│   └── 徒步路线/
+│       ├── 莫干山线.md
+│       └── 千岛湖环湖线.md
+├── work/
+│   ├── 前端调试技巧.md          ← 「调试登录页面 CSS」「修复 z-index」等事件聚合
+│   ├── 包管理工具切换决策.md     ← 「pnpm vs npm」讨论沉淀
+│   └── 团队会议纪要/
+└── parenting/
+    ├── 英语启蒙书单.md
+    └── 与孩子沟通技巧.md
+```
+
+李工没有手动建过任何一个 `knowledge/` 下的文件——它们都是 Agent 在他睡觉时从 daily 里"梦出来"的。
+
+#### Day 90：Obsidian Graph View 打开是这样
+
+```
+                                    [深度工作]
+                                       ▲
+                              引用      │  应用到
+                                       │
+   [跑步训练日志] ◄── 借鉴方法 ── [前端调试技巧] ──► [包管理工具切换决策]
+        │                          ▲   ▲
+        │ 关联                      │   │ 提到
+        ▼                          │   │
+   [徒步路线]                  [周会纪要] [团队成员]
+        │                                       │
+        │                                       │ mentions
+        ▼                                       ▼
+   [莫干山线] ───── 同行 ────► [Alice] ◄── 育儿讨论 ── [给孩子的诗]
+                                                          │
+                                                          ▼
+                                                   [英语启蒙书单]
+```
+
+**这张图是李工的"第二大脑"**——工作、跑步、阅读、育儿、社交关系全部交织在一起，能从「Alice」一路联想到「莫干山徒步」，再跳到「孩子的英语书单」，因为某次徒步同行时聊到过这个话题。
+
+#### 一次具体的"联想式回忆"
+
+某天李工问："**上次和 Alice 一起聊过的那本书叫什么？**"
+
+```
+========== 第一跳：daily 命中 ==========
+daily/20260420/与 Alice 周末聚餐.md
+> ……Alice 推荐了一本讲注意力的书，标题里有「深度」两个字……
+
+  ← inlinks:
+    ← knowledge/personal/阅读笔记/深度工作.md  via plain
+  → outlinks:
+    → people/Alice.md  via mention
+
+========== 第二跳：Agent 顺藤摸瓜 ==========
+knowledge/personal/阅读笔记/深度工作.md
+> 卡尔·纽波特，2016 年出版……
+```
+
+Agent 回："**《深度工作》，卡尔·纽波特著。** 您在 4/20 周末聚餐时 Alice 推荐的，您后来在 5/13 读了第三章并做了笔记。"
+
+模糊回忆 → 精确召回 → 上下文重建——这是普通"对话历史搜索"做不到的，因为它只会按时间顺序往回翻，而 ReMe 沿着图谱"联想"。
+
+---
+
+### 9.3 Agent 长期陪伴：跨会话的程序化记忆
+
+**主角**：张研发，长期使用 Claude Code 做日常开发。希望 Agent "越用越懂我"——记得我的代码风格偏好，记得过去踩过的坑，记得未完成的任务。
+
+#### 跨会话的记忆生命周期
+
+```
+[第 1 次会话]                [第 N 次会话，N 周后]
+   │                                │
+   │ 用户在编辑器报错               │ 用户遇到类似报错
+   ▼                                ▼
+┌─────────────┐                ┌─────────────┐
+│ Agent 排查  │                │ Agent 检索  │
+│ 试 A 方案 ❌│   ── ReMe ──►  │ ReMe 召回    │
+│ 试 B 方案 ✅│                │ 上次的 B 方案│
+└──────┬──────┘                └──────┬──────┘
+       │ 写入                          │ 直接套用
+       ▼                              ▼
+knowledge/agent/                  跳过踩坑，1 步解决
+├── 调试经验/
+│   └── webpack 编译卡死.md
+└── 用户偏好/
+    └── 代码风格.md
+```
+
+#### 程序化记忆的真实例子
+
+**第 1 次会话（2026-03-10）**：webpack 编译突然卡死。
+
+```
+对话过程(摘要)：
+- 用户："npm run build 卡在 92% 不动了"
+- Agent 试方案 A：清缓存 → 没用 ❌
+- Agent 试方案 B：升级 terser-webpack-plugin → 没用 ❌
+- Agent 试方案 C：发现是 fork-ts-checker 的 OOM，加 --max-old-space-size=8192 → ✅ 成功
+```
+
+ReMe 的 Auto-Dream 当晚把这次会话沉淀到：
+
+```markdown
+# knowledge/agent/调试经验/webpack 编译卡死.md
+---
+title: webpack 编译卡死的排查路径
+tags: [agent_memory, programmatic, webpack]
+type: programmatic
+---
+
+## 症状
+build 卡在 92%（chunk asset optimization 阶段）。
+
+## 排查顺序（按命中率）
+1. ✅ **检查 Node 内存**：`NODE_OPTIONS=--max-old-space-size=8192`
+   → fork-ts-checker 在大型 TS 项目里很容易 OOM
+2. ❌ 清 .cache 缓存（多数情况下无效）
+3. ❌ 升级 terser-webpack-plugin（仅特定版本相关）
+
+## 关联
+- 用户偏好：[[knowledge/agent/用户偏好/代码风格#TypeScript]] 启用了 strict 模式，
+  类型检查负担大，更易触发 OOM
+- 历史事件：[[daily/20260310/webpack 卡死排查]]
+```
+
+**第 2 次会话（2026-04-22，6 周后）**：用户在另一个项目又遇到类似问题。
+
+```
+用户："vite build 也卡在打包阶段，是同一类问题吗？"
+
+Agent 内部检索 ReMe：
+========== 命中：knowledge/agent/调试经验/webpack 编译卡死.md ==========
+关键词匹配：编译卡死、build 阶段
+向量相似：vite build ≈ webpack build
+
+Agent 回复：
+"根据您 3/10 在另一个项目遇到的同类问题，建议优先检查 Node 内存。
+vite 的 esbuild 阶段也吃内存，先试 NODE_OPTIONS=--max-old-space-size=8192。
+（上次清缓存和升级 plugin 都没用，可以跳过）"
+```
+
+**节省的不是时间，是踩坑路径**——这就是程序化记忆的价值。
+
+#### 用户偏好的"自我画像"
+
+`knowledge/agent/用户偏好/` 下随时间长出的画像：
+
+```markdown
+# knowledge/agent/用户偏好/代码风格.md
+---
+type: personalization
+tags: [user_profile]
+---
+
+## 命名
+- 倾向：函数 camelCase、类型 PascalCase、常量 SCREAMING_SNAKE
+- 来源：[[daily/20260215]] 多次纠正 Agent 的命名建议
+
+## 注释
+- 倾向：**不写无意义注释**，只在 WHY 不显然时写
+- 来源：[[daily/20260301]] 用户原话："don't comment what the code already says"
+
+## 错误处理
+- 倾向：边界处校验、内部代码相信调用方
+- 来源：[[daily/20260408]] 用户拒绝在内部函数加 try/catch 时的解释
+
+## 测试组织
+- 倾向：tests4/unittest 按基类组织（来自项目 CLAUDE.md）
+```
+
+**意义**：这不是 Agent 在 system prompt 里写死的"用户喜欢简洁"，而是**从用户实际行为里被动观察到的、可追溯到具体对话的偏好画像**。每条偏好都有 `[[daily/...]]` 反向链接，用户可以审视、可以修正。
+
+#### 三种记忆类型的差异化处理
+
+回到 [3.2](#32-三种记忆的覆盖) 提到的三类记忆，在 Agent 陪伴场景下各司其职：
+
+| 记忆类型                       | 写入触发           | 检索权重     | 实际表现                                  |
+|----------------------------|----------------|----------|---------------------------------------|
+| **个性化（personalization）**   | 用户纠正 / 偏好表达    | 全场景常驻    | "我懂你不爱写注释"                            |
+| **程序化（programmatic）**      | 任务完成后归纳成功/失败路径 | 任务相似度高时高 | "上次这类 bug 你这样解决过"                     |
+| **知识类（knowledge）**         | 学习对话、文档阅读      | 主题相关时高   | "你之前学过的 React Server Components"      |
+
+三类共同织成一个"懂用户 + 会做事 + 有知识"的长期陪伴 Agent——**差异化体验来自 ReMe 维护的个人记忆，而不是模型本身**。换言之，同一个 Claude / Qwen 模型，套上不同用户的 ReMe，会变成完全不同的 Agent。
 
 ---
 
@@ -500,7 +828,7 @@ jobs:
 
 ### 10.1 自研轻量内核
 
-新版本重写了知识引擎的核心模块：
+新版本重写了记忆引擎的核心模块：
 
 - **file parser** —— Markdown AST + 章节切片 + wikilink 抽取
 - **file store** —— 内存 chunk 字典 + JSONL 持久化
@@ -531,7 +859,7 @@ jobs:
 
 ---
 
-## 十一、Roadmap：未来 6–12 个月
+## 十一、Roadmap
 
 | 阶段        | 关键里程碑                                                                                                  |
 |-----------|--------------------------------------------------------------------------------------------------------|
@@ -561,14 +889,4 @@ jobs:
 
 1. 个人记忆是 Agent 时代必然出现的基础设施 —— 不是 ReMe 不做就没人做，而是早做的人有先发优势。
 2. **本地 Markdown + 自进化 + 知识图谱**（叠加被集成路线）—— 这套组合在当下市场是空缺的。
-3. ReMe 新版本 的工程内核已经就位，剩下是**自进化能力 + 生态集成 + 场景模板**的三件套加固，路径明确。
-
----
-
-## 附：建议补充材料
-
-- **系统架构图**：基于 §2.1 的 ASCII 图重绘为正式设计图。
-- **自进化时序图**：auto-memory / auto-dream / auto-link 三者的触发和协作时序。
-- **演示截图**：知识库三个月"自动生长"的 Obsidian Graph View 演示。
-- **30 秒 Demo 视频脚本**：用户说一句话 → ReMe 自动拆事件 → 第二天看到归档好的知识库。
-- **竞品对比表**：ReMe vs Memo vs Mem0 vs Letta，重点突出"本地 + 自进化 + 被集成"三个差异点。
+3. ReMe 的工程内核已经就位，剩下是**自进化能力 + 生态集成 + 场景模板**的三件套加固，路径明确。