Goat 2.0 – 面向AI智能体的主动情景记忆系统

Goat 2.0 是一个基于Telegram的AI智能体，其核心创新在于一个主动分层记忆系统。与传统的RAG（检索增强生成）不同，Goat 2.0 在每个对话回合开始前就主动检索相关记忆，而不是等待模型意识到需要查询。这意味着即使是一条模糊的单词消息，也能触发对过往会话的语义搜索，并将结构相关的内容注入到提示中。模型永远不需要问“我记得这个吗？”，因为检索已经发生了。

该系统的关键设计在于多个独立的后端存储层。工作记忆使用Redis，存储当前会话的对话历史和缓存；情景记忆使用ChromaDB（持久化客户端），存储长期语义记忆；永久记忆使用Letta HTTP API，存储关键事实和身份信息。这三个后端都是延迟加载的，即首次使用时才建立连接，并且彼此独立故障——例如，如果Letta服务中断，仅仅丢失L1（事实层）的内容，对话仍可继续。

记忆被组织为五个逻辑层。L0是身份层，始终包含基础人格提示；L1是事实层，由Letta中的键值对构成；L2是工作层，包含当前会话的完整对话历史（有上限）；L2.5是会话缓存层，为L3搜索结果和工具输出提供TTL缓存；L3是情景层，通过语义搜索从ChromaDB中检索长期记忆。Orchestrator只通过一个统一的接口（MemoryLayers）与记忆系统交互，从不直接导入任何物理后端。

预取守护进程是该系统与其他系统的核心区别。它在每个对话回合开始时作为异步任务启动，与L0/L1/L2的获取并行运行。预取守护进程同时运行三种检索机制：时间机制（解析日期范围进行过滤搜索）、主题机制（无条件运行，进行缓存语义搜索）和特定键机制（当消息包含结构键时进行精确匹配）。这些机制独立评估，没有置信度门限，只有超时作为唯一阻塞条件。三种机制的结果通过结果合并器进行去重和混合评分（加权0.6/0.3/0.1），并注入到系统提示中。

自适应意图令牌缩放（AITS）是另一个关键特性。每轮对话根据用户消息的置信度和复杂性计算动态令牌预算。置信度基于查询中的提示词（如“什么”、“如何”、“为什么”等）评估；复杂性基于消息长度和连接词数量。默认预算为2000令牌，复杂查询可接近12000令牌。此外，上下文预算的分配采用优先级反转策略：在扣除L0+L1的固定消耗后，先保障L3至少获得1200令牌，剩余的再给L2，确保长程记忆不会被短期对话完全挤占。

写透归档机制确保每次对话回合都原样保存到情景记忆（L3）中，标记为“l2_full_archive”，保留访问计数和时间戳以供将来排序使用。对话历史在超过上限时会自动裁剪，但第一条消息（通常设定对话主题）会被固定保留，前提是它足够短。

项目还提供了可观测性支持：每轮对话生成一个JSON日志行，包含AITS参数、缓存命中/未命中、各阶段延迟、令牌使用量、预取结果等。这些数据由MemoryAnalytics聚合，每100次请求输出一份摘要报告。

Goat 2.0 的代码结构清晰，主要模块包括记忆层、编排器、服务注册中心、插件管理器、工具注册表和Telegram接口。整体设计遵循“零单例”原则，所有服务通过依赖注入容器管理，便于测试和扩展。该项目体现了如何构建一个具有复杂记忆系统的AI智能体，适合需要持久上下文和长程记忆的对话应用。