五层记忆：分身记得住，
又不把 A 客户的事说给 B
一句话结论：记忆不是"存得越多越好"，是"分层对了才安全"。五层记忆把上下文、偏好、历史、行为模式、长任务结论切开，每层只管自己的边界——记住该记的，忘掉该忘的，才不会把上一家客户的事说给下一家。
先把一个最常见的误判说掉：很多人觉得"给 AI 加记忆"就是把聊天记录全塞进一个向量库，下次检索出来拼进提示词。这种做法前两周很香，第三周就开始串台——它分不清哪些事属于哪个项目、哪段话是临时的、哪段是永久的。
记忆要分层，是因为不同信息的生命周期和可见范围根本不一样。把一周的临时草稿和用户的长期偏好放一个筐里，检索时必定搅在一起。
五层分别管什么
| 层 | 作用域 | 生命周期 | 典型内容 |
|---|---|---|---|
| L1 上下文（Context） | 当前会话 | 会话结束即清 | 当前轮对话、临时上下文 |
| L2 偏好（Preference） | 跨会话 | 持久 | 习惯、偏好设置 |
| L3 历史（History） | 跨会话 | 持久，写入后异步向量化 | 历史对话、决策记录 |
| L4 行为模式（Pattern） | 跨会话 | 持久，随使用提炼 | 稳定工作模式、常用路径 |
| L5 长任务结论（LongTask） | 跨会话、账户级 | 持久，仅写终态 | 任务名 + 终态 + 摘要 ≤500 字符的薄结论（不存过程、不做向量化） |
L1–L4 这四层存储层不是四个独立数据库，是四条边界规则：什么能进、能留多久、谁看得见。L5 是另立的薄层长任务结论，不在这四条边界规则里，只写任务终态。一条信息该进哪层，取决于它的生命周期和可见范围，不是"统统存下来再说"。
向量检索不是一层记忆。 它是 L3 历史层的检索机制：对话写入 L3 后，后台异步生成 embedding 与 Topic / Entities / Actions 结构化字段，供语义检索和关键词检索使用。L1–L4 是四个持续沉淀的存储层，L5 是另立的薄层长任务结论——它不属于 L1–L4 的存储体系，也不承担向量检索，只是任务终态的一条结论。
最容易踩的两条线
第一，跨会话隔离不能省。 一条记忆如果不标清它属于哪个用户、哪个会话，检索时就会"串台"。实现上要让 id 绑定到字符串标识（而不是裸数字），检索时按作用域过滤——L1 只属于当前会话，L2 / L3 / L4 不得把上一场对话的临时上下文带进来。这条线省了，迟早出"它怎么知道我昨天跟别的客户聊了什么"的事故。
第二，截断要按字符，不是字节。 中文是多字节编码，按字节硬截断会把一个汉字切在多字节中间，模型拿到的是非法 UTF-8 的残尾，轻则乱码，重则反复重读、反复写脚本，最后触发护栏收工。正确做法是按 rune（字符）截断，保证切出来的是完整字符。这条坑我们实打实踩过，根因在工具返回值，不在提示词。
向量层的两件实事
L3 不是"把所有东西都嵌进去"。两点很关键：
- 维度固定。 用的嵌入模型是 1024 维，写入和查询必须同维，否则语义空间对不上，检索出来的东西牛头不对马嘴。
- 改完要重建索引。 全文检索（FTS5）的索引在内容变更后必须 rebuild，否则新写入的内容查不到——看起来像"记忆丢了"，其实是索引没更新。
五层怎么协作
一次"记住并召回"的全过程是这样的：新信息按生命周期落进对应层；用户提问时，L1 先看当前会话有没有，没有再让 L3 做语义 + 关键词检索，命中后按 L2 / L4 的作用域过滤掉不该看的，最后才拼进上下文。L5 长任务结论作为【长任务】段单独渲染，供智能体进化参考，不参与语义检索与跨会话召回。任何一层越权，都是串台或泄露的种子。
L4 行为模式只提供"你通常怎么做"的参考，不携带具体客户的原始内容——这是它和 L3 历史的分工。
一个判断原则
加一层记忆前先问：这条信息的生命周期是多久？该谁看见？如果答不上来，就别急着存。
L5 长任务层（薄层）已随《Lyncore 设计蓝图》任务包落地：任务终态由 worker 写一条结论（任务名 + 终态 + 摘要 ≤500 字符），不存过程、不做向量化，供智能体进化参考。它与 L1–L4 是不同性质的两类——L1–L4 是持续沉淀的存储层，L5 是任务级的薄结论层，不是"第五个存储层"，也不承担向量检索。