memory-os 是一套给 AI agent 用的记忆系统。目标有四个：辅助项目开发和源码分析；把会话流水沉淀成可检索、可复用的结构化知识；在 web 端聊天时用最少的 token 拿到该记住的东西；提取用户数据做分析、建用户档案、优化人机协作。
分五块：源码分析工作流、编译主链路、web 端实时层、数据底座、状态文件。
skill + 编译：读源码 → 会话 → 写 concepts + knowledge → 更新 index → 追加 log。 用 source-code-reading skill 读大型代码库，用claude-memory-compiler把可复用结论编译进 knowledge。
Claude Code 会话
↓ flush（session-end hook）
daily/（原始源，append-only）
↓ compile（6PM，按"技术 / 个人"边界分流）
├─ knowledge/ 纯技术百科（concepts + connections，正文不掺日期）
│ └─ index.md = 检索目录（query 先读它）
├─ people/ 个人信息
└─ log.md = 时间线汇总（个人信息 + 项目信息，带日期，commit 从这提炼）
编译边界：技术 / 项目知识 → knowledge/；个人 / 闲聊 → people/；项目开发进程 → log。判断标准：这条信息一年后还用得上吗。
关键设计：daily 只增不改，compile 再收敛。乱账的根源是写入时没有收敛机制，把"记录"和"提炼"拆成两件事，compile 跑坏了可以重跑，源数据不丢。
TLB 会话级 + 短期 json 天级 TTL + 冷搜读本地记忆仓库。
companion 聊天 ──实时 / 5min──▶ 写 daily（桥，appendToCompilerDaily）
daily ──每天 6PM──▶ 编译 knowledge + people + log（compiler 的 compile）
实时调度（chat-memory-mmu/memory.js）：用纯正则把消息分类，0 token 决定"要不要搜索"：
用户消息 → classify（ack / pushback / question / cont / update / new_topic）
├─ ack / pushback → 不搜，只用 TLB 快照
└─ question / new_topic → 先查 TLB，命中即停，miss 才冷搜
冷搜读 knowledge 目录：抽关键词 → 文件打分 → 抽片段 → top3。
三个关键机制：
- turn 时间轴：
fact.turn判断是旧状态（→ UPDATE）还是刚提过（→ CONT）。 - dirty 一致性：值变标 dirty，
_tlEvict跳过 dirty（脏数据宁可超载不驱逐），flushTLB才标干净返回写回。 - 0 token 决策：把"要不要搜索"从 LLM 手里抢过来，冷搜触发率从 100% 压到 30-40%。
短期 json 是 .short-memory.json，TTL 24h 读取时懒清理，定位是"跨重启的 TLB 补充"——TLB 重启即弃，短期 json 跨重启留 24h 补缺口。
账单 + 用药 + 经期 + 日历 + 驱力 + 情绪，管理健康数据和生活数据。
实时修改，标记时间戳，用于 diff 距离上次 skill 更新后用户个人信息 / 技术栈的变化，驱动 skill 自更新。
后续计划接入手机端 / 平板端的非隐私数据，动态扩充数据底座。
- 编译主链路参考并二次开发自开源项目 claude-memory-compiler