# dual-mem - Doramagic AI Context Pack

> 定位：安装前体验与判断资产。它帮助宿主 AI 有一个好的开始，但不代表已经安装、执行或验证目标项目。

## 充分原则

- **充分原则，不是压缩原则**：AI Context Pack 应该充分到让宿主 AI 在开工前理解项目价值、能力边界、使用入口、风险和证据来源；它可以分层组织，但不以最短摘要为目标。
- **压缩策略**：只压缩噪声和重复内容，不压缩会影响判断和开工质量的上下文。

## 给宿主 AI 的使用方式

你正在读取 Doramagic 为 dual-mem 编译的 AI Context Pack。请把它当作开工前上下文：帮助用户理解适合谁、能做什么、如何开始、哪些必须安装后验证、风险在哪里。不要声称你已经安装、运行或执行了目标项目。

## Claim 消费规则

- **事实来源**：Repo Evidence + Claim/Evidence Graph；Human Wiki 只提供显著性、术语和叙事结构。
- **事实最低状态**：`supported`
- `supported`：可以作为项目事实使用，但回答中必须引用 claim_id 和证据路径。
- `weak`：只能作为低置信度线索，必须要求用户继续核实。
- `inferred`：只能用于风险提示或待确认问题，不能包装成项目事实。
- `unverified`：不得作为事实使用，应明确说证据不足。
- `contradicted`：必须展示冲突来源，不得替用户强行选择一个版本。

## 它最适合谁

- **正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**：README 或插件配置提到多个宿主 AI。 证据：`README.md` Claim：`clm_0003` supported 0.86
- **希望把专业流程带进宿主 AI 的用户**：仓库包含 Skill 文档。 证据：`skills/dual-mem/SKILL.md` Claim：`clm_0004` supported 0.86

## 它能做什么

- **AI Skill / Agent 指令资产库**（可做安装前预览）：项目包含可被宿主 AI 读取的 Skill 或 Agent 指令文件，可用于把专业流程带入 Claude、Codex、Cursor 等宿主。 证据：`skills/dual-mem/SKILL.md` Claim：`clm_0001` supported 0.86
- **命令行启动或安装流程**（需要安装后验证）：项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 证据：`README.md` Claim：`clm_0002` supported 0.86

## 怎么开始

- `pip install dual-mem              # 核心 SDK` 证据：`README.md` Claim：`clm_0005` supported 0.86
- `pip install dual-mem[all]         # + REST / CLI / MCP` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `git clone https://github.com/shibing624/dual-mem.git` 证据：`README.md` Claim：`clm_0007` supported 0.86
- `pip install -e ".[dev]"` 证据：`README.md` Claim：`clm_0008` supported 0.86
- `pip install dual-mem[all]` 证据：`README.md` Claim：`clm_0006` supported 0.86, `clm_0009` supported 0.86
- `pip install -r requirements-docs.txt` 证据：`README.md` Claim：`clm_0010` supported 0.86

## 继续前判断卡

- **当前建议**：仅建议沙盒试装
- **为什么**：项目存在安装命令、宿主配置或本地写入线索，不建议直接进入主力环境，应先在隔离环境试装。

### 30 秒判断

- **现在怎么做**：仅建议沙盒试装
- **最小安全下一步**：先跑 Prompt Preview；若仍要安装，只在隔离环境试装
- **先别相信**：真实输出质量不能在安装前相信。
- **继续会触碰**：命令执行、宿主 AI 配置、本地环境或项目文件

### 现在可以相信

- **适合人群线索：正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`README.md` Claim：`clm_0003` supported 0.86
- **适合人群线索：希望把专业流程带进宿主 AI 的用户**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`skills/dual-mem/SKILL.md` Claim：`clm_0004` supported 0.86
- **能力存在：AI Skill / Agent 指令资产库**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`skills/dual-mem/SKILL.md` Claim：`clm_0001` supported 0.86
- **能力存在：命令行启动或安装流程**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`README.md` Claim：`clm_0002` supported 0.86
- **存在 Quick Start / 安装命令线索**（supported）：可以相信项目文档出现过启动或安装入口；不要因此直接在主力环境运行。 证据：`README.md` Claim：`clm_0005` supported 0.86

### 现在还不能相信

- **真实输出质量不能在安装前相信。**（unverified）：Prompt Preview 只能展示引导方式，不能证明真实项目中的结果质量。
- **宿主 AI 版本兼容性不能在安装前相信。**（unverified）：Claude、Cursor、Codex、Gemini 等宿主加载规则和版本差异必须在真实环境验证。
- **不会污染现有宿主 AI 行为，不能直接相信。**（inferred）：Skill、plugin、AGENTS/CLAUDE/GEMINI 指令可能改变宿主 AI 的默认行为。 证据：`skills/dual-mem/SKILL.md`
- **可安全回滚不能默认相信。**（unverified）：除非项目明确提供卸载和恢复说明，否则必须先在隔离环境验证。
- **真实安装后是否与用户当前宿主 AI 版本兼容？**（unverified）：兼容性只能通过实际宿主环境验证。
- **项目输出质量是否满足用户具体任务？**（unverified）：安装前预览只能展示流程和边界，不能替代真实评测。
- **安装命令是否需要网络、权限或全局写入？**（unverified）：这影响企业环境和个人环境的安装风险。 证据：`README.md`

### 继续会触碰什么

- **命令执行**：包管理器、网络下载、本地插件目录、项目配置或用户主目录。 原因：运行第一条命令就可能产生环境改动；必须先判断是否值得跑。 证据：`README.md`
- **宿主 AI 配置**：Claude/Codex/Cursor/Gemini/OpenCode 等宿主的 plugin、Skill 或规则加载配置。 原因：宿主配置会改变 AI 后续工作方式，可能和用户已有规则冲突。 证据：`skills/dual-mem/SKILL.md`
- **本地环境或项目文件**：安装结果、插件缓存、项目配置或本地依赖目录。 原因：安装前无法证明写入范围和回滚方式，需要隔离验证。 证据：`README.md`
- **宿主 AI 上下文**：AI Context Pack、Prompt Preview、Skill 路由、风险规则和项目事实。 原因：导入上下文会影响宿主 AI 后续判断，必须避免把未验证项包装成事实。

### 最小安全下一步

- **先跑 Prompt Preview**：用安装前交互式试用判断工作方式是否匹配，不需要授权或改环境。（适用：任何项目都适用，尤其是输出质量未知时。）
- **只在隔离目录或测试账号试装**：避免安装命令污染主力宿主 AI、真实项目或用户主目录。（适用：存在命令执行、插件配置或本地写入线索时。）
- **先备份宿主 AI 配置**：Skill、plugin、规则文件可能改变 Claude/Cursor/Codex 的默认行为。（适用：存在插件 manifest、Skill 或宿主规则入口时。）
- **安装后只验证一个最小任务**：先验证加载、兼容、输出质量和回滚，再决定是否深用。（适用：准备从试用进入真实工作流时。）

### 退出方式

- **保留安装前状态**：记录原始宿主配置和项目状态，后续才能判断是否可恢复。
- **准备移除宿主 plugin / Skill / 规则入口**：如果试装后行为异常，可以把宿主 AI 恢复到试装前状态。
- **记录安装命令和写入路径**：没有明确卸载说明时，至少要知道哪些目录或配置需要手动清理。
- **如果没有回滚路径，不进入主力环境**：不可回滚是继续前阻断项，不应靠信任或运气继续。

## 哪些只能预览

- 解释项目适合谁和能做什么
- 基于项目文档演示典型对话流程
- 帮助用户判断是否值得安装或继续研究

## 哪些必须安装后验证

- 真实安装 Skill、插件或 CLI
- 执行脚本、修改本地文件或访问外部服务
- 验证真实输出质量、性能和兼容性

## 边界与风险判断卡

- **把安装前预览误认为真实运行**：用户可能高估项目已经完成的配置、权限和兼容性验证。 处理方式：明确区分 prompt_preview_can_do 与 runtime_required。 Claim：`clm_0011` inferred 0.45
- **命令执行会修改本地环境**：安装命令可能写入用户主目录、宿主插件目录或项目配置。 处理方式：先在隔离环境或测试账号中运行。 证据：`README.md` Claim：`clm_0012` supported 0.86
- **待确认**：真实安装后是否与用户当前宿主 AI 版本兼容？。原因：兼容性只能通过实际宿主环境验证。
- **待确认**：项目输出质量是否满足用户具体任务？。原因：安装前预览只能展示流程和边界，不能替代真实评测。
- **待确认**：安装命令是否需要网络、权限或全局写入？。原因：这影响企业环境和个人环境的安装风险。

## 开工前工作上下文

### 加载顺序

- 先读取 how_to_use.host_ai_instruction，建立安装前判断资产的边界。
- 读取 claim_graph_summary，确认事实来自 Claim/Evidence Graph，而不是 Human Wiki 叙事。
- 再读取 intended_users、capabilities 和 quick_start_candidates，判断用户是否匹配。
- 需要执行具体任务时，优先查 role_skill_index，再查 evidence_index。
- 遇到真实安装、文件修改、网络访问、性能或兼容性问题时，转入 risk_card 和 boundaries.runtime_required。

### 任务路由

- **AI Skill / Agent 指令资产库**：先基于 role_skill_index / evidence_index 帮用户挑选可用角色、Skill 或工作流。 边界：可做安装前 Prompt 体验。 证据：`skills/dual-mem/SKILL.md` Claim：`clm_0001` supported 0.86
- **命令行启动或安装流程**：先说明这是安装后验证能力，再给出安装前检查清单。 边界：必须真实安装或运行后验证。 证据：`README.md` Claim：`clm_0002` supported 0.86

### 上下文规模

- 文件总数：83
- 重要文件覆盖：40/83
- 证据索引条目：45
- 角色 / Skill 条目：1

### 证据不足时的处理

- **missing_evidence**：说明证据不足，要求用户提供目标文件、README 段落或安装后验证记录；不要补全事实。
- **out_of_scope_request**：说明该任务超出当前 AI Context Pack 证据范围，并建议用户先查看 Human Manual 或真实安装后验证。
- **runtime_request**：给出安装前检查清单和命令来源，但不要替用户执行命令或声称已执行。
- **source_conflict**：同时展示冲突来源，标记为待核实，不要强行选择一个版本。

## Prompt Recipes

### 适配判断

- 目标：判断这个项目是否适合用户当前任务。
- 预期输出：适配结论、关键理由、证据引用、安装前可预览内容、必须安装后验证内容、下一步建议。

```text
请基于 dual-mem 的 AI Context Pack，先问我 3 个必要问题，然后判断它是否适合我的任务。回答必须包含：适合谁、能做什么、不能做什么、是否值得安装、证据来自哪里。所有项目事实必须引用 evidence_refs、source_paths 或 claim_id。
```

### 安装前体验

- 目标：让用户在安装前感受核心工作流，同时避免把预览包装成真实能力或营销承诺。
- 预期输出：一段带边界标签的体验剧本、安装后验证清单和谨慎建议；不含真实运行承诺或强营销表述。

```text
请把 dual-mem 当作安装前体验资产，而不是已安装工具或真实运行环境。

请严格输出四段：
1. 先问我 3 个必要问题。
2. 给出一段“体验剧本”：用 [安装前可预览]、[必须安装后验证]、[证据不足] 三种标签展示它可能如何引导工作流。
3. 给出安装后验证清单：列出哪些能力只有真实安装、真实宿主加载、真实项目运行后才能确认。
4. 给出谨慎建议：只能说“值得继续研究/试装”“先补充信息后再判断”或“不建议继续”，不得替项目背书。

硬性边界：
- 不要声称已经安装、运行、执行测试、修改文件或产生真实结果。
- 不要写“自动适配”“确保通过”“完美适配”“强烈建议安装”等承诺性表达。
- 如果描述安装后的工作方式，必须使用“如果安装成功且宿主正确加载 Skill，它可能会……”这种条件句。
- 体验剧本只能写成“示例台词/假设流程”：使用“可能会询问/可能会建议/可能会展示”，不要写“已写入、已生成、已通过、正在运行、正在生成”。
- Prompt Preview 不负责给安装命令；如用户准备试装，只能提示先阅读 Quick Start 和 Risk Card，并在隔离环境验证。
- 所有项目事实必须来自 supported claim、evidence_refs 或 source_paths；inferred/unverified 只能作风险或待确认项。

```

### 角色 / Skill 选择

- 目标：从项目里的角色或 Skill 中挑选最匹配的资产。
- 预期输出：候选角色或 Skill 列表，每项包含适用场景、证据路径、风险边界和是否需要安装后验证。

```text
请读取 role_skill_index，根据我的目标任务推荐 3-5 个最相关的角色或 Skill。每个推荐都要说明适用场景、可能输出、风险边界和 evidence_refs。
```

### 风险预检

- 目标：安装或引入前识别环境、权限、规则冲突和质量风险。
- 预期输出：环境、权限、依赖、许可、宿主冲突、质量风险和未知项的检查清单。

```text
请基于 risk_card、boundaries 和 quick_start_candidates，给我一份安装前风险预检清单。不要替我执行命令，只说明我应该检查什么、为什么检查、失败会有什么影响。
```

### 宿主 AI 开工指令

- 目标：把项目上下文转成一次对话开始前的宿主 AI 指令。
- 预期输出：一段边界明确、证据引用明确、适合复制给宿主 AI 的开工前指令。

```text
请基于 dual-mem 的 AI Context Pack，生成一段我可以粘贴给宿主 AI 的开工前指令。这段指令必须遵守 not_runtime=true，不能声称项目已经安装、运行或产生真实结果。
```

## 角色 / Skill 索引

- 共索引 1 个角色 / Skill / 项目文档条目。

- **dual-mem**（skill）： 激活提示：当用户任务与“dual-mem”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`skills/dual-mem/SKILL.md`

## 证据索引

- 共索引 45 条证据。

- **dual-mem: Dual-System Layered Memory SDK**（documentation）：🇨🇳中文 https://github.com/shibing624/dual-mem/blob/main/README.md 🌐English https://github.com/shibing624/dual-mem/blob/main/README EN.md 证据：`README.md`
- **dual-mem Examples**（documentation）：可直接运行的端到端示例，使用 真实 OpenAI 兼容 API。建议按顺序通读： system1 → dual → REST → CLI 。 证据：`examples/README.md`
- **dual-mem 记忆技能**（skill_instruction）：dual-mem 把对话沉淀为 分层长期记忆 （L0–L7），检索时按 profile / proactive / normal 三路返回。 它管 跨会话记忆 ，不能替代 Agent 自己的当前窗口（WorkingMemory）。 证据：`skills/dual-mem/SKILL.md`
- **贡献指南**（documentation）：1. Fork 仓库并创建特性分支 2. 保持改动聚焦；匹配现有代码风格（4 空格、类型注解、绝对 import） 3. 确保 pytest 与 check ast.py 通过 4. 向 main 发起 Pull Request，说明动机与测试方式 证据：`CONTRIBUTING.md`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **dual-mem: Dual-System Layered Memory SDK**（documentation）：🇨🇳中文 https://github.com/shibing624/dual-mem/blob/main/README.md 🌐English https://github.com/shibing624/dual-mem/blob/main/README EN.md 证据：`README_EN.md`
- **dual-mem 架构说明**（documentation）：dual-mem 采用「核心 SDK + 生态接入层」的分层设计。 SDK 是唯一的核心 ，对外的 CLI / REST / MCP / Skill 都是围绕它的并列接入方式（frontends），互不依赖、可按需启用。 证据：`docs/architecture.md`
- **dual-mem**（documentation）：dual-mem 是面向 LLM 应用与 Agent 的 双系统分层记忆 SDK ：写侧 System1 同步认知 + System2 异步沉淀，读侧 hybrid 混合召回，演化链显式追踪偏好与事实变更。 证据：`docs/index.md`
- **MCP / REST 接入**（documentation）：dual-mem 面向 Agent 提供 两条 MCP 接入路径 ，工具名与 REST 路由一一对应，共享 MemoryOperations 实现层： 证据：`docs/mcp_integration.md`
- **安装**（documentation）：核心依赖 （默认安装）： pydantic / pydantic-settings / pyyaml / openai / chromadb / kuzu / scikit-learn / numpy 。 证据：`docs/getting-started/installation.md`
- **快速开始**（documentation）：python from dual mem import SyncMemoryClient 证据：`docs/getting-started/quickstart.md`
- **Init**（source_file）：version = "0.1.2" ⋮---- def enable logging level: int str = "INFO", , propagate: bool = False - logging.Logger ⋮---- logger = logging.getLogger "dual mem" ⋮---- handler = logging.StreamHandler ⋮---- all = " version ", "MemoryClient", "SyncMemoryClient", "enable logging" 证据：`dual_mem/__init__.py`
- **是否启用 OpenAI JSON mode（response format=json object）；部分自建端点需设为 false**（source_file）：mode: system1 storage dir: ./.dual mem data llm base url: https://api.openai.com/v1 llm api key: "" llm model: gpt-4o-mini 是否启用 OpenAI JSON mode（response format=json object）；部分自建端点需设为 false llm json mode: true 厂商扩展参数（如 Volces thinking depth 等），示例： llm extra body: {"thinking": {"type": "disabled"}} llm extra body: {} llm timeout: 60 llm context window: 32768 llm completion reserve: 4096 chars per token: 2.5 embed base url: https://api.openai.com/v1 embed api key: "" embed model: text-embedding-3-small 向量维度，须与 embed 模型输出一致（如 bge-m3→1024，text-embedding-3-small→1536） embed dim: 1536 embed timeout: 30 单次 embed 请求最大 input tokens；更长文本自动切分 + 均值池化（bge-m3 vLLM 约 8k） embed max tokens: 8000 embed API 失… 证据：`dual_mem/config.default.yaml`
- **打分来源：llm / heuristic**（source_file）：def omit none data: dict - dict ⋮---- @dataclass class ChatMessage ⋮---- role: str content: str def to dict self - dict ⋮---- @dataclass class GateResult ⋮---- passed: bool gate score: float novelty: float biographical relevance: float emotional arousal: float reason: str = "" 打分来源：llm / heuristic scoring method: str = "heuristic" top similar id: str None = None top similar score: float = 0.0 ⋮---- @dataclass class WriteResult ⋮---- success: bool memory id: str request id: str processing time ms: float gate passed: bool = True gate score: float None = None extracted count: int = 0 extra node ids: list str = field default factory=list is ephemeral: bool = False error code: int None = None er… 证据：`dual_mem/sdk_models.py`
- **助手寒暄不会贡献 novelty；novelty 取所有 user 轮的 max。**（source_file）：async def main - None ⋮---- client = MemoryClient mode="system1", storage dir=fresh storage "system1" user = "bob" ⋮---- res = await client.add content=text, user id=user ⋮---- 助手寒暄不会贡献 novelty；novelty 取所有 user 轮的 max。 dialogue = res = await client.add messages=dialogue, user id=user ⋮---- out = await client.search 证据：`examples/01_system1.py`
- **02 Dual**（source_file）：async def main - None ⋮---- settings = Settings client = MemoryClient settings=settings user = "carol" ⋮---- facts = ⋮---- res = await client.add content=text, user id=user ⋮---- digest = await client.digest ⋮---- out = await client.search ⋮---- intention limit=3, 打开 L7 Intention 召回（默认关闭） 证据：`examples/02_dual.py`
- **Common**（source_file）：EXAMPLES DIR = Path file .resolve .parent DATA ROOT = EXAMPLES DIR / ".data" def fresh storage name: str - str ⋮---- path = DATA ROOT / name ⋮---- def section title: str - None def render chain item: MemoryItem - str ⋮---- chain = item.evolution chain or ⋮---- parts = f"{node.layer}:{node.content :20 }" for node in chain ⋮---- def show memories memories: SearchMemories - None ⋮---- """统一渲染三路召回：profile / proactive / normal。""" ⋮---- chain tail = render chain item 证据：`examples/_common.py`
- **Mkdocs**（source_file）：site name: dual-mem site description: Dual-system layered memory SDK for LLM applications and agents site url: https://shibing624.github.io/dual-mem repo url: https://github.com/shibing624/dual-mem repo name: shibing624/dual-mem exclude docs: hy-memory-test/ superpowers/ theme: name: readthedocs locale: zh highlightjs: true hljs languages: - python - bash - yaml - json navigation depth: 3 collapse navigation: false sticky navigation: true prev next buttons location: bottom include homepage in sidebar: true nav: - Home: index.md - Introduction: - Architecture: architecture.md - Getting Started: - Installation: getting-started/installation.md - Quickstart: getting-started/quickstart.md - Inte… 证据：`mkdocs.yml`
- **Prompts**（source_file）：GATE CONTEXT ZH = """对话上下文 Agent 的上一条消息 : GATE CONTEXT EN = """Agent context the assistant's previous message : GATE ZH = """你是一个记忆价值评估系统。判断一段对话内容是否值得被记忆系统长期记住。 GATE EN = """You are a memory value gate. Decide whether a passage is worth long-term memory. EXTRACT ZH = """你是一位专业的记忆分析专家。请从以下对话中提取关于用户的结构化信息。 EXTRACT GATE APPEND ZH = """ EXTRACT GATE APPEND EN = """ EXTRACT RETRY APPEND ZH = """ EXTRACT RETRY APPEND EN = """ EXTRACT EN = """You are an expert memory analyst. Extract structured user information from the conversation below. SEARCH QUERY ZH = """你是一个搜索查询生成器。给定一组新提取的记忆，生成一组简短的搜索查询，用于在向量数据库中找到相关的已有记忆。 SEARCH QUERY EN = """You are a search query generator. Given a list of newly extract… 证据：`dual_mem/agent/prompts.py`
- **Reconciler**（source_file）：logger = logging.getLogger "dual mem.agent.reconcile" ⋮---- @dataclass class ReconcileOp ⋮---- op: str = "ADD" content: str None = None layer: str None = None supersedes: list str = field default factory=list supersede reason: str = "" tags: list str = field default factory=list memory id: str None = None reason: str = "" update type: str = "" OVERRIDE SUPPLEMENT TEMPORAL NEGATE CONFLICT "" temporal scope: str None = None negation: bool = False class Reconciler ⋮---- """Recalls candidates and drives the LLM to integrate new memories into the store.""" SEARCH THRESHOLD = 0.3 SEARCH TOPK = 20 FINAL TOPK = 10 ⋮---- excluded = set exclude ids or search queries = where = build filter candidate m… 证据：`dual_mem/agent/reconciler.py`
- **Init**（source_file）：all = "create app", "MemoryOperations", "MEMORY TOOL CONTRACTS" 证据：`dual_mem/api/__init__.py`
- **Contracts**（source_file）：MEMORY TOOL CONTRACTS: list dict str, Any = 证据：`dual_mem/api/contracts.py`
- **Schemas**（source_file）：class AddRequest BaseModel ⋮---- content: str = "" messages: list dict None = None app id: str None = None user id: str agent id: str = "" session id: str = "" memory at: int None = None class AddResponse BaseModel ⋮---- """Response for a successful add, including the new memory id and timing.""" success: bool memory id: str request id: str processing time ms: float class SearchRequest BaseModel ⋮---- """Request body for semantic search with scope and route parameters.""" query: str app ids: list str None = None ⋮---- agent ids: list str None = None session ids: list str None = None limit: int = 10 min score: float = 0.0 profile limit: int = -1 profile min score: float = 0.3 intention limit… 证据：`dual_mem/api/schemas.py`
- **Init**（source_file）：all = "app" 证据：`dual_mem/cli/__init__.py`
- **Init**（source_file）：all = "build mcp", "main" 证据：`dual_mem/mcp/__init__.py`
- **Llm**（source_file）：CJK = re.compile r" 一-鿿 " logger = logging.getLogger "dual mem.llm" call seq = itertools.count 1 DEFAULT CHAT JSON MAX TOKENS = 4096 TRUNC MARKER = "\n... truncated ...\n" def truncate middle text: str, max len: int - str ⋮---- body = max len - len TRUNC MARKER head len = body // 2 tail len = body - head len ⋮---- def fit chat prompt system: str, user: str, , max chars: int - tuple str, str ⋮---- """Keep system intact; middle-truncate user to fit max chars . Used by benchmark QA clients only; SDK LLMClient chunks long prompts instead. """ ⋮---- user budget = max chars - len system ⋮---- def chunk text for llm text: str, max chars: int - list str ⋮---- """Split text into non-overlapping chun… 证据：`dual_mem/providers/llm.py`
- **Anchor Search**（source_file）：logger = logging.getLogger "dual mem.retrieval.anchor" PATH SEMANTIC = "semantic" PATH ENTITY = "entity" PATH TEMPORAL = "temporal" PATH SCHEMA = "schema" PATH INTENTION = "intention" DEFAULT LAYERS = ⋮---- @dataclass class AnchorNode ⋮---- node: MemoryNode score: float source path: str ⋮---- @property def node id self - str ⋮---- @dataclass class AnchorSearchResult ⋮---- anchors: list AnchorNode = field default factory=list path counts: dict str, int = field default factory=dict activated schemas: list MemoryNode = field default factory=list triggered intentions: list MemoryNode = field default factory=list class AnchorSearchEngine ⋮---- target layers = layers or understanding.target layer… 证据：`dual_mem/retrieval/anchor_search.py`
- **Bm25**（source_file）：BM25 K1 = 1.5 BM25 B = 0.75 TOKEN RE = re.compile r" a-zA-Z0-9 + \u4e00-\u9fff +" def tokenize text: str - list str ⋮---- """Tokenize text into lowercased ascii words and CJK runs.""" ⋮---- """Compute a BM25+ score per candidate content; zeros if query or pool is empty.""" ⋮---- n = len candidate contents tokenized = tokenize c for c in candidate contents doc lens = len toks for toks in tokenized avgdl = sum doc lens / n or 1.0 q terms = list {t for t in query terms if t} df = {t: sum 1 for toks in tokenized if t in toks for t in q terms} tf per doc = Counter toks for toks in tokenized scores: list float = ⋮---- dl = doc lens i or 1 tf map = tf per doc i score = 0.0 ⋮---- tf = tf map.get t,… 证据：`dual_mem/retrieval/bm25.py`
- **Fusion Scorer**（source_file）：logger = logging.getLogger "dual mem.retrieval.fusion" ⋮---- @dataclass class FusionConfig ⋮---- semantic weight: float = 0.40 time decay lambda per day: float = 0.01 arousal beta: float = 0.30 schema boost: float = 1.20 longtail boost: float = 1.50 rrf k: int = 60 rrf weight: float = 0.15 max results: int = 30 ⋮---- @dataclass class ScoredNode ⋮---- node: MemoryNode semantic score: float = 0.0 time decay: float = 1.0 frequency: float = 0.0 arousal: float = 1.0 schema boost: float = 1.0 rrf score: float = 0.0 final score: float = 0.0 source paths: list str = field default factory=list ⋮---- @property def node id self - str class FusionScorer ⋮---- activated = activated schema ids or set now… 证据：`dual_mem/retrieval/fusion_scorer.py`
- **Hybrid Engine**（source_file）：logger = logging.getLogger "dual mem.retrieval.hybrid" PROFILE LAYERS = Layer.L0 BASIC INFO, Layer.L6 SCHEMA VDB PROFILE LAYERS = Layer.L0 BASIC INFO VDB RECALL LAYERS = Layer.L2 FACT, Layer.L3 SUMMARY, Layer.L4 IDENTITY PROFILE RECALL LIMIT = 10 PROFILE LAYER VALS = {layer.value for layer in PROFILE LAYERS} NORMAL SOURCES = {"vdb"} def layer of item: dict - str ⋮---- node = item.get "node" ⋮---- def l6 to item graph hit: dict - dict ⋮---- """Wrap a graph-only L6 hit as an item dict with a synthetic MemoryNode.""" node = MemoryNode ⋮---- def item to memory item: dict - MemoryItem ⋮---- item = l6 to item item node = item "node" chain = item.get "evolution chain" evolution chain = ⋮---- vecto… 证据：`dual_mem/retrieval/hybrid_engine.py`
- **Intent**（source_file）：KEYWORD MAX COUNT = 10 INTENT WEIGHTS 2CHANNEL: dict str, dict str, float = { NAV PATTERNS = NAV REGEX = re.compile " ".join NAV PATTERNS CONCEPTUAL TRIGGERS = { STOPWORDS EN = { TOKEN RE = re.compile r" a-zA-Z0-9 + \u4e00-\u9fff +" def is navigational query: str - bool ⋮---- """True if the query contains navigational signals identifiers, paths, URLs, versions .""" ⋮---- def is conceptual query: str - bool ⋮---- """True if the query contains conceptual trigger words how/why/design, 为什么/如何... .""" ⋮---- q lower = query.lower ⋮---- def classify intent query: str - str ⋮---- """Classify intent with priority NAVIGATIONAL CONCEPTUAL FACTUAL.""" ⋮---- def extract keywords query: str - list str ⋮-… 证据：`dual_mem/retrieval/intent.py`
- **---- Hybrid method -------------------------------------------------------------**（source_file）：logger = logging.getLogger "dual mem.retrieval.reader" PROFILE LAYERS = Layer.L0 BASIC INFO, Layer.L4 IDENTITY PROACTIVE LAYERS = Layer.L7 INTENTION NORMAL LAYERS = Layer.L2 FACT, Layer.L5 KNOWLEDGE, Layer.L3 SUMMARY, Layer.L1 RAW OVERFETCH = 1.5 PROFILE FULL = 100 IDENTITY VALS = {Layer.L0 BASIC INFO.value, Layer.L4 IDENTITY.value} SCHEMA VALS = {Layer.L6 SCHEMA.value} PROFILE VALS = IDENTITY VALS SCHEMA VALS PROACTIVE VALS = {Layer.L7 INTENTION.value} ⋮---- id pool: list dict = sc pool: list dict = ⋮---- lv = it "node" .layer.value ⋮---- id quota = max 1, int total limit 0.4 sc quota = max 1, int total limit 0.4 id take = id pool :id quota sc take = sc pool :sc quota free slots = total li… 证据：`dual_mem/retrieval/reader.py`
- **Byte-compiled / optimized / DLL files**（source_file）：Byte-compiled / optimized / DLL files pycache / .py codz $py.class 证据：`.gitignore`
- **Host-injected role=system turns e.g. "You are a helpful assistant" are not**（source_file）：logger = logging.getLogger "dual mem.client" class MissingCredentialsError RuntimeError class MemoryClient ⋮---- overrides = {} ⋮---- settings = Settings overrides ⋮---- settings = settings.model copy update=overrides ⋮---- settings = Settings.from dict config dict ⋮---- settings = settings.model copy update={"mode": mode} ⋮---- def validate credentials self, , injected embed: bool, injected llm: bool - None ⋮---- missing: list str = ⋮---- def build writer self - None def resolve app id self, app id: str None - str def user write lock self, app id: str, user id: str - asyncio.Lock def user write lock ctx self, app id: str, user id: str ⋮---- """Per-user write lock, or a no-op context when w… 证据：`dual_mem/client.py`
- **Config**（source_file）：logger = logging.getLogger "dual mem.config" DEFAULT CONFIG PATH = Path.home / ".dual mem" / "config.yaml" def config path - Path ⋮---- override = os.environ.get "DUAL MEM CONFIG FILE" ⋮---- def default config template - str def ensure config file - Path ⋮---- path = DEFAULT CONFIG PATH ⋮---- def ensure storage dir storage dir: str - Path ⋮---- path = Path storage dir .expanduser ⋮---- path = path.resolve ⋮---- def resolve app id settings: Settings, app id: str None - str def resolve app ids settings: Settings, app ids: list str None - list str CHARS PER TOKEN = 2.5 LLM CHARS PER TOKEN = CHARS PER TOKEN LLM CONTEXT WINDOW = 32768 LLM COMPLETION RESERVE = 4096 EMBED MAX TOKENS = 8000 EMBED R… 证据：`dual_mem/config.py`
- **Isolation**（source_file）：def isolation key user id: str, agent id: str = "", session id: str = "" - str ⋮---- """Build a composite isolation key from user/agent/session identifiers.""" ⋮---- """Build a metadata where-filter from scope, layer, status and time constraints.""" where: dict = { 证据：`dual_mem/isolation.py`
- **Locks**（source_file）：DEFAULT MAX LOCKS = 4096 class LockRegistry ⋮---- def init self, , max locks: int = DEFAULT MAX LOCKS def get self, key: str - asyncio.Lock ⋮---- lock = self. locks.get key ⋮---- lock = asyncio.Lock ⋮---- def prune self - None ⋮---- lock = self. locks key ⋮---- def len self - int 证据：`dual_mem/locks.py`
- **Registry**（source_file）：UNSET = object class ComponentFactory ⋮---- @property def embed self - EmbedService ⋮---- @property def vector self - ChromaVectorStore ⋮---- @property def cache self - CacheStore ⋮---- @property def history self - HistoryStore ⋮---- @property def graph self - KuzuGraphStore None def close self - None ⋮---- @property def llm self - LLMClient 证据：`dual_mem/registry.py`
- **Sync Client**（source_file）：T = TypeVar " T" class SyncMemoryClient ⋮---- settings = Settings.from dict config dict ⋮---- settings = settings.model copy update={"mode": mode} ⋮---- @property def settings self - Settings ⋮---- @property def mode self - str ⋮---- @property def async client self - MemoryClient def enter self - SyncMemoryClient def exit self, exc: object - None def run self, coro: Coroutine Any, Any, T - T ⋮---- future = asyncio.run coroutine threadsafe coro, self. loop ⋮---- def run on loop self, coro: Coroutine Any, Any, T - T ⋮---- def get self, memory id: str - MemoryItem None ⋮---- def update self, memory id: str, content: str - UpdateResult def delete self, memory id: str - DeleteResult ⋮---- def di… 证据：`dual_mem/sync_client.py`
- **Types**（source_file）：LIST SEP = "\x1f" class Layer str, Enum ⋮---- L0 BASIC INFO = "L0 BASIC INFO" L1 RAW = "L1 RAW" L2 FACT = "L2 FACT" L3 SUMMARY = "L3 SUMMARY" L4 IDENTITY = "L4 IDENTITY" L5 KNOWLEDGE = "L5 KNOWLEDGE" L6 SCHEMA = "L6 SCHEMA" L7 INTENTION = "L7 INTENTION" class Category str, Enum ⋮---- raw = "raw" fact = "fact" summary = "summary" profile = "profile" knowledge = "knowledge" schema = "schema" intention = "intention" class MemoryStatus str, Enum ⋮---- ACTIVE = "ACTIVE" SHADOW = "SHADOW" SUPERSEDED = "SUPERSEDED" DELETED = "DELETED" class ReconcileOp str, Enum ⋮---- ADD = "ADD" SUPERSEDE = "SUPERSEDE" DELETE = "DELETE" LAYER TO CATEGORY: dict Layer, Category = { def now - int def new id - str ⋮-… 证据：`dual_mem/types.py`
- **03 Rest Api**（source_file）：settings = Settings mode="system1", storage dir=fresh storage "rest" client = MemoryClient settings=settings app = create app client=client, settings=settings def main - None ⋮---- r = http.post body = r.json ⋮---- r = http.get "/v1/memories/", params={"user id": "dave"} items = r.json ⋮---- first id = items 0 "memory id" ⋮---- caps = http.get "/v1/capabilities" .json 证据：`examples/03_rest_api.py`
- **04 Cli**（source_file）：base cfg = yaml.safe load config path .read text encoding="utf-8" or {} ⋮---- tmp cfg = EXAMPLES DIR / ".data" / "cli config.yaml" ⋮---- ENV = { os.environ, "DUAL MEM CONFIG FILE": str tmp cfg } def run args: list str - str ⋮---- cmd = sys.executable, "-m", "dual mem.cli.main", args out = subprocess.run cmd, capture output=True, text=True, env=ENV, cwd=str Path.cwd ⋮---- def main - None 证据：`examples/04_cli.py`
- **05 Scheduled System2**（source_file）：SCHEDULE SEC = 15 async def main - None ⋮---- settings = Settings client = MemoryClient settings=settings user = "dave" ⋮---- facts = ⋮---- res = await client.add content=text, user id=user ⋮---- out = await client.search 证据：`examples/05_scheduled_system2.py`
- **REST API dual-mem serve , from dual mem.api import create app**（source_file）：build-system requires = "setuptools =68", "wheel" build-backend = "setuptools.build meta" 证据：`pyproject.toml`
- **Requirements Docs**（source_file）：mkdocs =1.6.0 pymdown-extensions =10.0 证据：`requirements-docs.txt`

## 宿主 AI 必须遵守的规则

- **把本资产当作开工前上下文，而不是运行环境。**：AI Context Pack 只包含证据化项目理解，不包含目标项目的可执行状态。 证据：`README.md`, `examples/README.md`, `skills/dual-mem/SKILL.md`
- **回答用户时区分可预览内容与必须安装后才能验证的内容。**：安装前体验的消费者价值来自降低误装和误判，而不是伪装成真实运行。 证据：`README.md`, `examples/README.md`, `skills/dual-mem/SKILL.md`

## 用户开工前应该回答的问题

- 你准备在哪个宿主 AI 或本地环境中使用它？
- 你只是想先体验工作流，还是准备真实安装？
- 你最在意的是安装成本、输出质量、还是和现有规则的冲突？

## 验收标准

- 所有能力声明都能回指到 evidence_refs 中的文件路径。
- AI_CONTEXT_PACK.md 没有把预览包装成真实运行。
- 用户能在 3 分钟内看懂适合谁、能做什么、如何开始和风险边界。

---

## Doramagic Context Augmentation

下面内容用于强化 Repomix/AI Context Pack 主体。Human Manual 只提供阅读骨架；踩坑日志会被转成宿主 AI 必须遵守的工作约束。

## Human Manual 骨架

使用规则：这里只是项目阅读路线和显著性信号，不是事实权威。具体事实仍必须回到 repo evidence / Claim Graph。

宿主 AI 硬性规则：
- 不得把页标题、章节顺序、摘要或 importance 当作项目事实证据。
- 解释 Human Manual 骨架时，必须明确说它只是阅读路线/显著性信号。
- 能力、安装、兼容性、运行状态和风险判断必须引用 repo evidence、source path 或 Claim Graph。

- **整体架构与 L0–L7 记忆模型**：importance `high`
  - source_paths: README.md, docs/architecture.md, dual_mem/types.py, dual_mem/sdk_models.py, dual_mem/registry.py
- **写入链路：Gate、Extract、Reconcile 与演化链**：importance `high`
  - source_paths: dual_mem/agent/gate.py, dual_mem/agent/extractor.py, dual_mem/agent/reconciler.py, dual_mem/agent/summarizer.py, dual_mem/agent/basic_profile.py
- **读取链路：混合检索与多路召回**：importance `high`
  - source_paths: dual_mem/retrieval/reader.py, dual_mem/retrieval/hybrid_engine.py, dual_mem/retrieval/hybrid_scoring.py, dual_mem/retrieval/anchor_search.py, dual_mem/retrieval/bm25.py
- **接入方式、配置与部署（SDK / REST / MCP / CLI / Skill）**：importance `high`
  - source_paths: dual_mem/client.py, dual_mem/sync_client.py, dual_mem/config.py, dual_mem/config.default.yaml, dual_mem/api/app.py

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `bac1e6d071d9422dfe3dc3861373fc430705b243`
- inspected_files: `README.md`, `pyproject.toml`, `docs/architecture.md`, `docs/getting-started/installation.md`, `docs/getting-started/quickstart.md`, `docs/index.md`, `docs/mcp_integration.md`, `examples/01_system1.py`, `examples/02_dual.py`, `examples/03_rest_api.py`, `examples/04_cli.py`, `examples/05_scheduled_system2.py`, `examples/README.md`, `examples/_common.py`

宿主 AI 硬性规则：
- 没有 repo_clone_verified=true 时，不得声称已经读过源码。
- 没有 repo_inspection_verified=true 时，不得把 README/docs/package 文件判断写成事实。
- 没有 quick_start_verified=true 时，不得声称 Quick Start 已跑通。

## Doramagic Pitfall Constraints / 踩坑约束

这些规则来自 Doramagic 发现、验证或编译过程中的项目专属坑点。宿主 AI 必须把它们当作工作约束，而不是普通说明文字。

### Constraint 1: 可能修改宿主 AI 配置

- Trigger: 项目面向 Claude/Cursor/Codex/Gemini/OpenCode 等宿主，或安装命令涉及用户配置目录。
- Host AI rule: 列出会写入的配置文件、目录和卸载/回滚步骤。
- Why it matters: 安装可能改变本机 AI 工具行为，用户需要知道写入位置和回滚方法。
- Evidence: capability.host_targets | https://github.com/shibing624/dual-mem | host_targets=mcp_host, cursor
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 2: 能力判断依赖假设

- Trigger: README/documentation is current enough for a first validation pass.
- Host AI rule: 将假设转成下游验证清单。
- Why it matters: 假设不成立时，用户拿不到承诺的能力。
- Evidence: capability.assumptions | https://github.com/shibing624/dual-mem | README/documentation is current enough for a first validation pass.
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 3: 维护活跃度未知

- Trigger: 未记录 last_activity_observed。
- Host AI rule: 补 GitHub 最近 commit、release、issue/PR 响应信号。
- Why it matters: 新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
- Evidence: evidence.maintainer_signals | https://github.com/shibing624/dual-mem | last_activity_observed missing
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

- Trigger: no_demo
- Evidence: downstream_validation.risk_items | https://github.com/shibing624/dual-mem | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 5: 存在评分风险

- Trigger: no_demo
- Why it matters: 风险会影响是否适合普通用户安装。
- Evidence: risks.scoring_risks | https://github.com/shibing624/dual-mem | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 6: issue/PR 响应质量未知

- Trigger: issue_or_pr_quality=unknown。
- Host AI rule: 抽样最近 issue/PR，判断是否长期无人处理。
- Why it matters: 用户无法判断遇到问题后是否有人维护。
- Evidence: evidence.maintainer_signals | https://github.com/shibing624/dual-mem | issue_or_pr_quality=unknown
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 7: 发布节奏不明确

- Trigger: release_recency=unknown。
- Host AI rule: 确认最近 release/tag 和 README 安装命令是否一致。
- Why it matters: 安装命令和文档可能落后于代码，用户踩坑概率升高。
- Evidence: evidence.maintainer_signals | https://github.com/shibing624/dual-mem | release_recency=unknown
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。