面向并行 Agent 会话，将近期上下文、热缓存、持久化元数据与向量检索组织为统一记忆接口。提供上下文预算与去重、分层放置、异步会话记录和实验有效性检查。
架构 · 核心记忆策略 · 实验控制 · 设计取舍 · 离线测试
- 上下文与记忆分层：L0 上下文预算、L1 Redis 缓存、L2 Postgres 元数据与 Qdrant 检索，以及可选 L3 对象存储。
- 记忆策略：准入和放置、直接证据识别、检索注入预算、L3 指针化，以及服务不可用时的降级记录。
- 运行记录：manifest、事件日志、模型配置一致性检查，以及有效性门禁。未通过检查的运行会被汇总逻辑排除。
- 实验入口：合成语料/访问轨迹生成器、stub runner、服务 microbench 和 E2E runner。stub runner 仍需要外部基础设施；离线体验请先运行测试。
需要 Python 3.12 或更新版本。在仓库根目录执行：
python -m venv .venv
# Windows: .venv\Scripts\activate
# macOS/Linux: source .venv/bin/activate
python -m pip install -e ".[dev]"
python -m pytest -q测试使用临时目录和构造的样例，不需要模型、数据集、在线 API 或启动数据库。服务集成、Docker 镜像、真实模型调用和性能实验没有在这次公开版整理中运行，具体边界见 测试说明。
建议阅读 记忆管理器、运行控制、上下文组装，再看相应 单元测试。架构说明 描述各层职责；环境配置 给出外部服务的接入方式。
公开版本提供源码、配置和离线测试；真实对话、论文数据、实验输出与模型凭据保留在本地。性能比较需另行配置服务与数据并完成实验，具体状态见测试边界。
DeerFlow 来自 ByteDance / deer-flow，本项目的适配参考固定版本 7de94394d4295182701ffb47e938e7c39b963091。公开版没有复制该上游源码，外部 checkout 和依赖需要自行准备。适配代码不代表对该上游项目的全部实现负责。
基准适配器只保留 LongMemEval 的准备脚本和 profile 判断逻辑；下载仅在显式运行该脚本时发生。使用数据集时应先核对来源及使用条件。原工作区的历史实验矩阵、论文汇报脚本和实验结论不属于本仓库。
此整理版暂未添加新的源码许可证；第三方材料仍遵循其原有许可证。详见 第三方说明。
Persistent Retrieval in Hierarchical Memory Systems for Long-Context Agents: A Controlled Evaluation
Hushuang Shen*, Yuan Wang* · IEEE SMC 2026 · Accepted · Equal contribution
论文通过固定执行栈比较记忆层配置；本仓库公开记忆策略、上下文组装与实验控制的精简工程代码。53 项离线测试验证对应代码行为，没有运行原论文评测、外部服务或在线模型，不应将测试通过视为论文结果已复现。