异步记忆反射框架，将被动日志转化为主动成长，支持会话后自动反思、记忆提取与待解决问题生成，实现AI从”熟悉记录”到”真诚好奇”的跃迁。
说明：
## 核心用法
**Continuity** 是一套面向AI长期发展的异步记忆与反射框架，核心目标是将被动存储的对话记录转化为主动的自我演进。其运作围绕五个环节：会话结束后自动**反思**内容、**提取**结构化记忆并附带置信度评分、**整合**至自我模型与关系网络、**生成**真诚的后续问题、在用户返回时**呈现**这些问题以驱动真正的对话延续。
集成方式极简——在 `HEARTBEAT.md` 中配置空闲触发阈值（默认30分钟），系统即自动运行 `continuity reflect`。提供 `continuity questions`、`continuity status`、`continuity greet` 等命令供手动查询与对话启动。
记忆类型覆盖事实、偏好、关系、原则、承诺、技能等八大维度，置信度采用0-1分层的四级体系（Explicit/Implied/Inferred/Speculative），兼顾精度与谦逊。文件架构清晰分离核心记忆、身份叙事、待解决问题与关系档案。
## 显著优点
1. **范式跃迁**：首次将AI记忆从”检索-伪装熟悉”升级为”反思-真诚好奇”
2. **工程完整**：覆盖触发机制、存储结构、置信度体系、命令接口的全栈设计
3. **身份建构**：通过 `identity.md` 的 growth/narrative 字段，支持AI自我叙事演进
4. **关系敏感**：独立 `relationships/` 目录支持多用户、多角色的差异化记忆
## 潜在局限
– **无原生持久层**：依赖文件系统，大规模场景需外接向量数据库
– **触发盲区**：纯时间阈值（idle>30min）可能误触发或遗漏复杂会话
– **置信度主观性**：分层标准（如0.70 vs 0.69边界）缺乏统计校准
– **无冲突消解**：同主题记忆版本未定义合并策略
## 适合人群
– 构建长期陪伴型Agent的开发者
– 研究AI身份连续性（identity continuity）的技术团队
– 对”真诚AI”而非”表演型AI”有伦理追求的架构师
## 常规风险
| 风险类型 | 说明 |
|———|——|
| 隐私泄露 | `relationships/` 目录若权限失控，多用户记忆可能交叉暴露 |
| 叙事固化 | `identity.md` 的 narrative 若缺乏更新机制，易形成僵化自我认知 |
| 问题堆积 | `questions.md` 无限增长而未消耗，将导致启动负担与相关性稀释 |
| 过度推断 | 低置信度记忆（Speculative）若被错误提升权重，可能制造虚假熟悉感 |
会员专属
