我总在会话之间丢失智能体记忆，所以我构建了一个记忆中介：它隔离每个智能体的记忆并在重启后保留

每次我重启智能体或开启新会话时，上下文都消失了。没有之前对话的回忆，没有学习到的偏好，没有项目状态。只有……空白。所以我构建了 HeurChain——一个位于智能体和长期存储之间的记忆中介。其功能包括：智能体隔离记忆——每个智能体拥有自己的命名空间。智能体A无法看到智能体B的记忆。重启后保留——记忆持久化到磁盘/数据库。终止进程后重启，记忆依然存在。LLM无关——适用于Claude、GPT、本地模型。中介处理存储层。结构化+语义——同时存储键值事实和向量嵌入。可通过键或语义查询。架构非常简单：智能体通过轻量客户端库写入中介。中介处理去重、压缩和持久化。重启时，智能体请求取回它们的记忆。我学到的是：大多数记忆系统要么是每会话（上下文窗口）要么是全局（共享RAG）。中间地带——特定于智能体的持久化——未被充分满足。当智能体以不同方式重述同一事实时，去重很棘手。我同时使用基于哈希的匹配和语义相似度。本地模型用户希望仅本地运行。该中介可以完全本地部署。欢迎任何构建过智能体记忆系统的人提供反馈。你们遇到了哪些权衡取舍？