运作原理

这个章节解释 Nowledge Mem 在后台做了什么。写给那些不只想知道怎么用，还想知道为什么这么设计的用户。

你不需要读完这些页面才能用好 Mem。这里讲的一切都是自动运行的。但如果你好奇过为什么某些记忆在搜索中排得更靠前、系统怎么发现矛盾、或者你睡觉的时候它在干什么，答案都在这里。

这个章节讲什么

• LLM Wiki：为什么资料库现在可以像一本 wiki 一样去读，Mem 在背后帮你做的整理工作有哪些，又有哪些事情仍然由你来决定。想理解 v0.8 背后的模型，从这里开始。

• Open Knowledge Format（OKF）：怎么把你的整张图谱导出成一份开放、不绑厂商、任何工具或 agent 都能读的 markdown 知识包。

• 知识演化：你修正了一个决定，或者学到了和之前矛盾的东西。系统怎么追踪这种变化，同时保留完整历史。

• 记忆连接：当两条记忆应该一起读，但它们既不是版本历史、也不是实体关系时，怎么在同一个空间里把它们明确连起来。

• AI 档案：Mem 如何区分长期 Agent 的身份，和运行它的具体工具。

• 规则：常驻行为规则是什么，它和 Skills、记忆有什么区别，又如何进入接入工具。

• 搜索架构：搜索不只看关键词。语义相似度、实体关联、社区聚类、标签、图遍历，六种策略并行，然后混合排序。

• 记忆衰减：为什么有些记忆排得更靠前。最近用的、经常用的知识优先级更高，但重要的知识不会消失。

• 后台智能：你睡觉的时候系统在干什么。跑了哪些任务、什么时候跑、怎么防止它浪费资源。

• Skills：系统怎么把一套反复出现的做事方法变成 AI 能照着做的流程，以及一条 Skill 在被当成已被证明之前，如何先挣到信任。

• 知识结晶：多个独立来源说了同一件事，系统把它们合成一份参考文档。

从哪里开始

如果你想搞清楚某个搜索结果为什么出现（或没出现），先看搜索架构和记忆衰减。

如果你想理解后台功能（简报、矛盾检测、实体提取），从后台智能开始。

如果你在配置多个 Agent，先看 AI 档案、规则 和上下文。