记忆系统说明
anyCode 现状
- 后端：
memory.backend支持file/hybrid/noop，以及pipeline（归根通道：虚态缓冲 → 强化 → 热层 Sled → 可选向量；实现见anycode_memory::RootReturnMemoryPipeline）。别名：layered、guigen。 - 旧版 Markdown：在
pipeline且memory.pipeline.merge_legacy_file_recall为 true（默认）时，记忆根目录下既有*.md会以只读方式并入召回，与热层并行。 - 作用域：项目 / 用户记忆经
anycode_memory；pipeline 在晋升前多一层「前语义」片段。 - 自动保存：由
memory.auto_save与任务成功后的 runtime 钩子控制。使用pipeline时，自动保存走 ingest（先入缓冲）；多次触碰后才写入热层。
可选 memory.pipeline 字段包括：buffer_ttl_secs、max_buffer_fragments、promote_touch_threshold、reinforce_on_recall_match、merge_legacy_file_recall、buffer_wal_enabled、buffer_wal_fsync_every_n、hook_after_tool_result、hook_after_agent_turn、hook_max_bytes、hook_tool_deny_prefixes、embedding_enabled、embedding_model、embedding_base_url、embedding_provider、embedding_local_cache_dir。
- WAL：默认
buffer_wal_enabled为 true 时，虚态缓冲追加写入热层旁*.pipeline.buffer.wal（JSONL），启动时重放；除按buffer_wal_fsync_every_n定期刷盘外，Telegram/Discord/内置调度器/微信桥单次任务、以及run/编排触发的工作单元结束后也会刷盘，进程正常退出、管线释放时还会再fsync一次。 - 向量：
embedding_enabled、非空embedding_model，或embedding_provider为local时，向量写入*.pipeline.vec.sled，余弦检索。embedding_provider：http（默认）走 OpenAI 兼容…/embeddings，复用llm.api_key，可用embedding_base_url换主机。local：通过 FastEmbed 在本地跑 ONNX（默认all-MiniLM-L6-v2，首次自动拉取）。需使用cargo build -p anycode --features embedding-local构建。可选embedding_local_cache_dir指定模型缓存目录（默认可为~/.cache/fastembed一带）。
- 导入：
anycode memory import [--dry-run] [--limit N]将memory.path下 legacy Markdown 批量写入 pipeline 热层（需memory.backend: pipeline）。
与 OpenClaw 对标（研究 backlog）
OpenClaw 将记忆做成扩展，保留策略与召回路径独立。可对标项：
- 写入时机：仅在任务成功 vs 工具写入 vs 显式命令。
- 检索：关键词 vs 向量 / 混合；项目隔离保证。
- 与压缩关系：
/compact与会话自动压缩后记忆如何保留。
建议在 issue 里程碑跟踪，而非在 CLI 二进制内复制 OpenClaw 全部实现。