三层记忆系统是一个给 AI agent 用的长期记忆范式。
简单说：你的 AI 助手（比如 Claude、Codex、Cursor）在帮你做项目时，会记住项目的来龙去脉——项目的目标是什么、做到哪了、踩过什么坑、下一步做什么。即使换了新的对话窗口，AI 也能"记得"之前的一切。
如果你用 AI 做过长项目，一定遇到过这些问题：
三层记忆系统解决的就是这些问题——把记忆从 AI 的对话窗口里拿出来，存成磁盘文件，任何 AI 都能读写。
记忆按"多久变一次"分三层，不是按内容分类：
为什么这样分？越不容易变的东西越靠前读——保证 AI 永远先看到项目目标（不丢初心），再看最近做了什么（知道现状），最后看 AI 自己的反思（继承经验）。
AI 在工作时遵循三个"检查点"——什么时候读、什么时候写：
AI 开始工作前，先读记忆库找回上下文：
完成一个可验证的里程碑后，记一篇任务记录：
一天结束或重大节点时，AI 反思并更新记忆：
除了基本的"记住"，系统还有 9 个高级认知功能（Pro/Team 方案）：
自动从所有记忆文件中提取实体（文件名、版本号、概念）和关系（因果链、迁移），构建知识图谱。记忆之间不再孤立——它们有"神经连接"了。
你说"我要改 report.py"，系统自动推送和 report.py 相关的所有记忆——不用你手动搜索。
系统检查你的行为是否偏离项目约束。比如项目规定"不再加新功能"，你说"我要加个新功能" → 系统立即告警。
系统读自己的全部反思历史，发现自己的盲区。比如"30 次反思里从未提及社交/伦理类风险"——人类做不到这种自我统计。
AI 在深层写的每条"预期"都是可证伪预测。系统自动追踪：这个预测后来被证实了还是被证伪了？
如果某条经验法则长期没被使用，系统提议降级——发现自己的认知过时了。
打开 控制台，输入邮箱和密码，点"注册"。注册后自动获得 API Key。
pip install three-layer-agent-memory
from three_layer_memory import Memory
from three_layer_memory.auto_sync import AutoSync
# 创建带云端同步的记忆库
m = AutoSync(
Memory("/path/to/my-project"),
api_key="你的API_Key",
device_id="my-laptop"
)
# AI 开机：读取记忆
r = m.recall()
print(r.as_prompt_block()) # 注入 AI 上下文
# 阶段完成：记录任务
m.log(version="V1.0", summary="完成登录功能", agent="claude")
# 天结束：反思
m.consolidate(topic="登录功能", review="...", plan="...",
risk="...", forecast="...", agent="claude")
就这么简单——recall 自动从云端拉取，log/consolidate 自动推送到云端。
如果你更喜欢命令行：
# 初始化记忆库 python -m three_layer_memory init /path/to/project --locale zh # 读取记忆 python -m three_layer_memory recall /path/to/project # 记录任务 python -m three_layer_memory log /path/to/project \ --version V1.0 --summary "完成登录" --agent claude # 反思 python -m three_layer_memory consolidate /path/to/project \ --topic "登录" --review "..." --plan "..." \ --risk "..." --forecast "..." --agent claude # 构建认知图谱 python -m three_layer_memory graph build /path/to/project # 自动同步到云端 python -m three_layer_memory auto-sync /path/to/project status --device my-laptop # 查看反思质量 python -m three_layer_memory quality /path/to/project # 发现反思盲区 python -m three_layer_memory meta /path/to/project
from three_layer_memory import Memory
m = Memory("/path/to/my-project")
# 开机读取
r = m.recall()
print(r.overview) # 项目总览
print(r.todo) # 待办事项
print(r.last_deep) # AI 上次的反思
# 记录任务
m.log(version="V1.0", summary="first task", agent="my-agent")
# 反思
m.consolidate(topic="kickoff", review="项目启动",
plan="先做核心功能", risk="时间紧张",
forecast="两周内完成MVP", agent="my-agent")
from three_layer_memory import Memory, AutoSync
m = AutoSync(Memory("/path/to/project"),
api_key="tlam_sk_xxxx",
device_id="my-laptop")
# recall 自动 pull，log/consolidate 自动 push
r = m.recall() # 自动从云端拉取最新
m.log(...) # 自动推送到云端
from three_layer_memory import build_graph, graph_summary
g = build_graph("/path/to/project")
print(graph_summary(g))
# 实体: 389 | 关系: 49
# Top 实体: theme_extension.dart (x16)
AI agent 可以通过 API 自动获取配置和接入指令，不需要人看文档：
# Agent 工作流：
# 1. 获取安装指令
GET /api/setup/manifest
→ 返回: pip 命令 + 依赖 + 全部端点 + 代码示例
# 2. 注册账号
POST /api/auth/register
→ 返回: api_key
# 3. 创建项目
POST /api/user/project/my-project/init?api_key=xxx
# 4. 读取记忆
GET /api/user/project/my-project/recall?api_key=xxx
# 5. 写入文件
PUT /api/user/project/my-project/file?api_key=xxx
body: {"path": "表层/00-项目总览.md", "content": "..."}
# 6. 同步到云端
POST /api/user/project/my-project/sync/push?api_key=xxx
Agent 读 /api/setup/manifest 就能知道怎么安装、怎么认证、有哪些端点可用——完全自动化接入。
七条核心理念：
存在阿里云 OSS 的私有 bucket 里，只有你的 API Key 能访问。本地也有一份副本。数据是纯 Markdown 文件，你随时可以导出。
免费：本地使用 + CLI + 1 个项目。付费（Pro ¥39/月）：云端同步 + 自动同步 + Web 控制台 + 5 个项目。团队（Team ¥199/月）：多用户协作 + 跨项目迁移 + 无限项目。
任何能读文件的 AI：Claude、Codex、Cursor、Windsurf、Cline、自研 agent。通过 MCP server 或 Python library 接入。记忆跨 agent 共享——Claude 写的，Codex 接着读。
RAG 解决"找知识"，我们解决"保持方向"。RAG 是检索工具，我们是认知架构。两者可叠加使用。
中层任务记录超过 20 篇后自动归档（压缩为摘要行）。深层只追加不删（保留思想化石）。表层极少变化。总体增长可控。
可以。免费层完全离线。付费层离线时本地操作，网络恢复后自动同步。