先分清两种归属
记忆不是一个大池子，而是两套互不覆盖的归属：三层结构
在专家记忆这一侧，数据是单向流动的：记忆从哪里来
自动提取（主要来源）
对话结束后后台分析，只留满足三条标准的内容：具体（不是「喜欢好代码」）、持久（不是「现在在调这个 bug」）、非显而易见（不是「想要能跑的代码」）。写入前还会去重。 触发有门槛：专家侧要求该「用户 × 专家」累计 5 轮、且本次会话至少 3 条真人消息；计数跨会话累计、7 天不互动过期。所以刚聊两句看不到新记忆是正常的。显式记忆
「记住：我的团队每周三开例会。」显式记忆不走质量门控，直接落库——这是最可靠的方式。创作者预设
创作者可以在蒸馏时给专家预置领域认知，让它在第一次对话就有基础判断。这部分与用户记忆互不干扰，创作者也看不到你的记忆内容。整理（Dream）
系统周期性把碎片条目蒸馏成结构化知识：同步证据 → 分批蒸馏（每次 LLM 调用最多 12 条证据）→ 处理矛盾（旧事实关闭有效期、新事实接管，历史不删）→ 更新图谱。 深度整理只看 24 小时内有变化的记忆，单次预算 600 秒，冷却 6 小时。对话时注入多少
不是全量注入，而是按预算检索：候选 30 条 → 从前 5 条做 1 跳图扩展 → 最终最多 20 条，且总量不超过 2,000 tokens。两个上限谁先到谁停；检索失败降级为确定性 Top20。 回答引用了哪些记忆会跟消息一起存下来，刷新后仍可查看来源。记忆是参考不是指令。你偏好 TypeScript，但任务是改一个 Python 项目时，专家不会把项目重写成 TS——这是对的。
你能控制什么
记错了优先改：删除会连同它蒸馏出的推理链一起丢掉，而改写能让下一次整理带着正确内容重来。
常见问题
下一步
个人记忆
跨专家通用的用户档案
专家记忆
记忆列表、核心记忆与图谱
时态记忆图
实体、事实与有效期机制
临时对话
不读不写记忆的模式