总安装量 3
评分人数 3
核心用法
Dory-Memory 是一套面向 AI Agent 的文件级记忆系统，核心解决「会话间记忆丢失」问题。其设计哲学是「Text > Brain」——所有信息必须落盘，Agent 只读取文件而非依赖内部状态。
使用时需建立标准化工作区结构，包含三层：根目录存放身份与规则文件（SOUL.md、AGENTS.md、USER.md 等），state/ 目录管理实时状态（ACTIVE.md 记录当前任务、HOLD.md 记录阻塞项、DECISIONS.md 记录决策），memory/ 目录归档历史记录。每次会话启动时按固定顺序读取这些文件，重建上下文。
关键操作遵循「Dory-Proof 模式」：收到用户指令后，立即将原话写入 ACTIVE.md，再解读执行。这种「先存档、后处理」的机制避免了转述偏差，确保意图在上下文刷新后仍可追溯。
显著优点
1. 零依赖轻量架构：纯 Markdown 文件驱动，无需数据库或外部服务，任何支持文件读写的 Agent 环境均可部署。
2. 意图保真机制：强制记录用户原话的设计，消除了「传话游戏」中的信息衰减，特别适合长周期、多轮次的复杂任务。
3. 结构化可追溯：HOLD/DECISIONS/ACTIVE 的状态分离，让阻塞原因、决策依据、当前优先级一目了然，降低多任务管理的认知负荷。
4. 记忆质量评分：四维评分体系（持久性、复用度、影响力、独特性）帮助筛选真正值得长期保留的信息，防止记忆膨胀。
潜在缺点与局限性
- 无并发控制：多 Agent 同时写入同一工作区可能产生冲突，文档仅提供优先级规则，未实现文件锁机制。
- 明文存储风险：所有记忆以纯文本形式存放，敏感信息（API 密钥、隐私数据）若误入 MEMORY.md 存在泄露风险。
- 规模瓶颈：建议 MEMORY.md 控制在 10KB 以内，长期高频使用需配合归档策略，否则启动读取性能会下降。
- 人工维护成本：记忆评分、定期归档、HOLD 项清理等操作依赖用户主动执行，缺乏自动化清理机制。
适合的目标群体
- 开发 AI Agent 的工程师与研究员，需调试长周期任务
- 使用 Claude、GPT 等对话模型进行复杂项目管理的知识工作者
- 需要「可审计、可复盘」决策过程的团队（如产品、咨询、研究场景）
- 追求极简架构、不愿引入数据库或外部记忆服务的个人用户
使用风险
- 性能风险：启动时需顺序读取 5+ 个文件，工作区庞大时可能延迟首次响应
- 数据完整性：异常中断可能导致 ACTIVE.md 状态与实际执行脱节
- 误操作风险：模板中的 bash 示例（cp/mkdir）若被盲目复制，可能覆盖现有配置
- 隐私合规：明文日志可能不符合 GDPR、HIPAA 等数据保护法规的存储要求
assets