Goat 2.0 – 面向AI智慧體的主動情景記憶系統

Goat 2.0 是一個基於Telegram的AI智慧體，其核心創新在於一個主動分層記憶系統。與傳統的RAG（檢索增強生成）不同，Goat 2.0 在每個對話回合開始前就主動檢索相關記憶，而不是等待模型意識到需要查詢。這意味著即使是一條模糊的單詞訊息，也能觸發對過往會話的語義搜尋，並將結構相關的內容注入到提示中。模型永遠不需要問“我記得這個嗎？”，因為檢索已經發生了。

該系統的關鍵設計在於多個獨立的後端儲存層。工作記憶使用Redis，儲存當前會話的對話歷史和快取；情景記憶使用ChromaDB（持久化客戶端），儲存長期語義記憶；永久記憶使用Letta HTTP API，儲存關鍵事實和身份資訊。這三個後端都是延遲載入的，即首次使用時才建立連線，並且彼此獨立故障——例如，如果Letta服務中斷，僅僅丟失L1（事實層）的內容，對話仍可繼續。

記憶被組織為五個邏輯層。L0是身份層，始終包含基礎人格提示；L1是事實層，由Letta中的鍵值對構成；L2是工作層，包含當前會話的完整對話歷史（有上限）；L2.5是會話快取層，為L3搜尋結果和工具輸出提供TTL快取；L3是情景層，透過語義搜尋從ChromaDB中檢索長期記憶。Orchestrator只透過一個統一的介面（MemoryLayers）與記憶系統互動，從不直接匯入任何物理後端。

預取守護程序是該系統與其他系統的核心區別。它在每個對話回合開始時作為非同步任務啟動，與L0/L1/L2的獲取並行執行。預取守護程序同時執行三種檢索機制：時間機制（解析日期範圍進行過濾搜尋）、主題機制（無條件執行，進行快取語義搜尋）和特定鍵機制（當訊息包含結構鍵時進行精確匹配）。這些機制獨立評估，沒有置信度門限，只有超時作為唯一阻塞條件。三種機制的結果透過結果合併器進行去重和混合評分（加權0.6/0.3/0.1），並注入到系統提示中。

自適應意圖令牌縮放（AITS）是另一個關鍵特性。每輪對話根據使用者訊息的置信度和複雜性計算動態令牌預算。置信度基於查詢中的提示詞（如“什麼”、“如何”、“為什麼”等）評估；複雜性基於訊息長度和連線詞數量。預設預算為2000令牌，複雜查詢可接近12000令牌。此外，上下文預算的分配採用優先順序反轉策略：在扣除L0+L1的固定消耗後，先保障L3至少獲得1200令牌，剩餘的再給L2，確保長程記憶不會被短期對話完全擠佔。

寫透歸檔機制確保每次對話回合都原樣儲存到情景記憶（L3）中，標記為“l2_full_archive”，保留訪問計數和時間戳以供將來排序使用。對話歷史在超過上限時會自動裁剪，但第一條訊息（通常設定對話主題）會被固定保留，前提是它足夠短。

專案還提供了可觀測性支援：每輪對話生成一個JSON日誌行，包含AITS引數、快取命中/未命中、各階段延遲、令牌使用量、預取結果等。這些資料由MemoryAnalytics聚合，每100次請求輸出一份摘要報告。

Goat 2.0 的程式碼結構清晰，主要模組包括記憶層、編排器、服務註冊中心、外掛管理器、工具登錄檔和Telegram介面。整體設計遵循“零單例”原則，所有服務透過依賴注入容器管理，便於測試和擴充套件。該專案體現瞭如何構建一個具有複雜記憶系統的AI智慧體，適合需要持久上下文和長程記憶的對話應用。