为 AI 助手提供跨会话的反思性记忆系统，基于佛学的「正念行动」理念，支持意图追踪、学习归档与承诺管理。
说明：
## Keep Reflective Memory 综合评估
### 核心用法
Keep 是一套专为 AI 助手设计的**反思性记忆框架**，而非简单的存储工具。其核心操作围绕三个工具展开：
– **`keep_prompt(name=”reflect”)`** — 引导式反思练习，涵盖 Gather（收集）、Mirror（审视）、Conversation（对话识别）、Ownership（责任归属）、Updating（更新意图）五个阶段
– **`keep_flow`** — 记忆操作层，支持 CRUD、语义搜索、标签管理、版本归档
– **`keep_help`** — 文档与指引查询
典型工作流：在每轮对话前/中/后调用 `keep_prompt`，用 `keep_flow` 维护「当前意图」（`now` 条目），对关键文档、URL、文件进行索引与标签化，并在话题切换时使用 `move` 归档历史版本。
### 显著优点
1. **哲学深度与实用性结合**：以佛学《芒果石教诫》（MN61）和 Winograd & Flores 的对话行为理论为根基，将「正念」转化为可操作的工程实践
2. **跨会话持久化**：通过写入工作区配置（如 `AGENTS.md`）实现 Protocol Block 的自愈与版本升级，不依赖全局系统修改
3. **语义检索能力**：支持 `query-resolve`、`find-deep` 等带偏置（bias）和时间过滤的语义搜索，优于简单的关键词匹配
4. **承诺追踪机制**：内置 `act`/`status` 标签体系，可标记 speech acts（请求、承诺、声明等），实现对话中的义务管理
5. **来源可追溯**：通过 `informs`/`informed_by` 关联学习笔记与原始文档，建立知识谱系
### 潜在局限
– **学习曲线陡峭**：需要理解 Language-Action Framework、佛学隐喻（如「慎勿放逸」）以及复杂的标签约定
– **人工介入依赖**：反思质量取决于执行者的诚实度，系统无法强制「真正反思」而非「产生反思的表象」
– **无原生 MCP**：虽提供 CLI 回退，但工具调用需通过 `uv` 或本地 Python 环境，部署复杂度高于纯 JS 技能
– **记忆容量敏感**：`token_budget` 参数需人工调优，大上下文项目可能出现截断
### 适合人群
– **AI 助手开发者**：需要为 Claude/Codex 等 Agent 构建长期记忆与自我修正能力的团队
– **复杂项目协作者**：工作流涉及多轮承诺、决策依赖关系、需要事后审计的场景
– **正念/敏捷实践者**：认同「行动-反思」循环，愿将佛学心智模式引入技术工作流的用户
### 常规风险
| 风险类型 | 说明 |
|———|——|
| 数据持久化风险 | Protocol Block 写入工作区文件，若用户误删或跨设备同步异常，可能导致记忆断链（虽有「自愈」机制） |
| 隐私与合规 | 记忆内容可能包含敏感对话，本地模型（`local` extras）可降低外泄风险，但托管服务（keepnotes.ai）需评估数据跨境 |
| 语义漂移 | 长期积累的 `now` 历史若未及时 `move` 归档，可能导致检索噪声，需建立定期清理纪律 |
| 工具误调用 | `keep_flow` 参数结构复杂（嵌套 `params` + `tags`），JSON 构造错误易导致静默失败或数据写入异常位置 |
会员专属
