# memmachine - 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 memmachine 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_0004` 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：`packages/skills/memmachine-memory/SKILL.md` Claim：`clm_0005` 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：`packages/skills/memmachine-memory/SKILL.md` Claim：`clm_0001` supported 0.86
- **多宿主安装与分发**（需要安装后验证）：项目包含插件或 marketplace 配置，说明它面向一个或多个 AI 宿主的安装和分发。 证据：`integrations/openclaw/openclaw.plugin.json` Claim：`clm_0002` unverified 0.25
- **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`, `packages/client/README.md`, `packages/common/README.md`, `packages/meta/README.md` 等 Claim：`clm_0003` supported 0.86

## 怎么开始

- `pip install memmachine-client` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `pip install -e packages/client` 证据：`packages/client/README.md` Claim：`clm_0007` supported 0.86
- `pip install memmachine-common` 证据：`packages/common/README.md` Claim：`clm_0008` supported 0.86
- `pip install -e packages/common` 证据：`packages/common/README.md` Claim：`clm_0009` supported 0.86
- `pip install memmachine` 证据：`packages/meta/README.md` Claim：`clm_0006` supported 0.86, `clm_0008` supported 0.86, `clm_0010` supported 0.86
- `npx skills add https://github.com/MemMachine/MemMachine \` 证据：`packages/skills/README.md` Claim：`clm_0011` supported 0.86
- `npm install @memmachine/client` 证据：`packages/ts-client/README.md` Claim：`clm_0012` supported 0.86

## 继续前判断卡

- **当前建议**：需要管理员/安全审批
- **为什么**：继续前可能涉及密钥、账号、外部服务或敏感上下文，建议先经过管理员或安全审批。

### 30 秒判断

- **现在怎么做**：需要管理员/安全审批
- **最小安全下一步**：先跑 Prompt Preview；若涉及凭证或企业环境，先审批再试装
- **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_0004` 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：`packages/skills/memmachine-memory/SKILL.md` Claim：`clm_0005` 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：`packages/skills/memmachine-memory/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`, `packages/client/README.md`, `packages/common/README.md`, `packages/meta/README.md` 等 Claim：`clm_0003` 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_0006` 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：`AGENTS.md`, `integrations/openclaw/openclaw.plugin.json`, `packages/skills/memmachine-memory/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。 证据：`integrations/openclaw/openclaw.plugin.json`
- **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`, `packages/client/README.md`, `packages/common/README.md`, `packages/meta/README.md` 等
- **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：`AGENTS.md`, `integrations/openclaw/openclaw.plugin.json`, `packages/skills/memmachine-memory/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`, `integrations/openclaw/openclaw.plugin.json`, `packages/client/README.md`, `packages/common/README.md` 等
- **环境变量 / API Key**：项目入口文档明确出现 API key、token、secret 或账号凭证配置。 原因：如果真实安装需要凭证，应先使用测试凭证并经过权限/合规判断。 证据：`integrations/aws_strands_agent_sdk/README.md`, `integrations/aws_strands_agent_sdk/example.py`, `packages/client/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。）
- **不要使用真实生产凭证**：环境变量/API key 一旦进入宿主或工具链，可能产生账号和合规风险。（适用：出现 API、TOKEN、KEY、SECRET 等环境线索时。）
- **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。
- **准备撤销测试 API key 或 token**：测试凭证泄露或误用时，可以快速止损。
- **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_0013` inferred 0.45
- **宿主 AI 插件或 Skill 规则冲突**：新规则可能改变用户现有宿主 AI 的工作方式。 处理方式：安装前先检查插件 manifest 和 Skill 文件，必要时隔离测试。 证据：`integrations/openclaw/openclaw.plugin.json` Claim：`clm_0014` 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`, `packages/client/README.md`, `packages/common/README.md`, `packages/meta/README.md` 等 Claim：`clm_0015` 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：`packages/skills/memmachine-memory/SKILL.md` Claim：`clm_0001` supported 0.86
- **多宿主安装与分发**：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：`integrations/openclaw/openclaw.plugin.json`
- **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`, `packages/client/README.md`, `packages/common/README.md`, `packages/meta/README.md` 等 Claim：`clm_0003` supported 0.86

### 上下文规模

- 文件总数：731
- 重要文件覆盖：40/731
- 证据索引条目：80
- 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 memmachine 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 memmachine 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 memmachine 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。

- **memmachine-memory**（skill）： 激活提示：当用户任务与“memmachine-memory”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：`packages/skills/memmachine-memory/SKILL.md`

## 证据索引

- 共索引 80 条证据。

- **MemMachine**（documentation）：! MemMachine: Long Term Memory for AI Agents https://raw.githubusercontent.com/MemMachine/MemMachine/main/assets/img/MemMachine Hero Banner.png 证据：`README.md`
- **Benchmark Evaluation Guide**（documentation）：This folder contains evaluation scripts for measuring MemMachine retrieval and memory quality on benchmark datasets. 证据：`evaluation/README.md`
- **MemMachine Examples**（documentation）：This directory contains runnable examples that showcase MemMachine integrations and agents. It mirrors the structure and intent of examples/v1/README.md , while highlighting the newer agent demos in this directory. 证据：`examples/README.md`
- **Maintainers Guide**（documentation）：This directory contains essential process documents for MemMachine maintainers. Each file outlines best practices, workflows, and procedures to ensure smooth project operation and high-quality contributions. 证据：`maintainers/README.md`
- **MemMachine Helm Chart**（documentation）：Deploys MemMachine with optional in-cluster PostgreSQL pgvector and Neo4j. Both databases can be replaced with external instances via postgres.enabled=false / neo4j.enabled=false . 证据：`deployments/helm/README.md`
- **LoCoMo**（documentation）：- Please ensure your cfg.yml file has been copied into your episodic memory directory /memmachine/evaluation/episodic memory/ and renamed to locomo config.yaml . 证据：`evaluation/episodic_memory/README.md`
- **Retrieval-Agent Benchmark Configuration**（documentation）：Retrieval-Agent Benchmark Configuration 证据：`evaluation/retrieval_agent/README.md`
- **BEAM Benchmark**（documentation）：BEAM evaluates long-form conversation memory through rubric-based assessment. 证据：`evaluation/retrieval_agent/beam/README.md`
- **OpenAI Agents SDK + MemMachine Python Example**（documentation）：OpenAI Agents SDK + MemMachine Python Example 证据：`examples/openai_agent/README.md`
- **Qwen Agent + MemMachine Tool Integration Example**（documentation）：Qwen Agent + MemMachine Tool Integration Example 证据：`examples/qwen_agent/README.md`
- **Simple Chatbot - MemMachine Integration Example**（documentation）：Simple Chatbot - MemMachine Integration Example 证据：`examples/simple_chatbot/README.md`
- **memmachine-client-demo**（documentation）：This is a TypeScript demo project that demonstrates how to use @memmachine/client for basic REST client operations. 证据：`examples/ts_rest_client_demo/README.md`
- **MemMachine Agents**（documentation）：This directory contains specialized AI agents that integrate with the MemMachine system. Each agent is designed to handle specific domains and use cases, providing tailored query construction and memory management capabilities. These agents leverage MemMachine's memory system to provide context-aware, personalized responses across various domains. 证据：`examples/v1/README.md`
- **Writing Assistant**（documentation）：A writing assistant that analyzes and learns your writing style, then generates new content in your unique voice. 证据：`examples/v1/writing_assistant/README.md`
- **AWS Strands Agent SDK Integration with MemMachine**（documentation）：AWS Strands Agent SDK Integration with MemMachine 证据：`integrations/aws_strands_agent_sdk/README.md`
- **CrewAI Integration with MemMachine**（documentation）：This directory contains tools for integrating MemMachine with CrewAI agents. 证据：`integrations/crewai/README.md`
- **MemMachine Dify Integration for contributors**（documentation）：MemMachine Dify Integration for contributors 证据：`integrations/dify/README.md`
- **memmachine-plugin**（documentation）：Author: memverge Version: 0.2.1 Type: tool 证据：`integrations/dify/plugin/README.md`
- **FastGPT Integration with MemMachine**（documentation）：FastGPT Integration with MemMachine 证据：`integrations/fastgpt/README.md`
- **LangChain Integration with MemMachine**（documentation）：LangChain Integration with MemMachine 证据：`integrations/langchain/README.md`
- **LangGraph Integration with MemMachine**（documentation）：LangGraph Integration with MemMachine 证据：`integrations/langgraph/README.md`
- **n8n Integration with MemMachine**（documentation）：This directory explains how to integrate MemMachine memory operations into n8n workflows. It provides guidance on using MemMachine’s nodes within n8n. 证据：`integrations/n8n/README.md`
- **MemMachine OpenClaw Plugin**（documentation）：This plugin integrates OpenClaw with MemMachine to provide persistent, queryable long-term memory across agent sessions. MemMachine by MemVerge stores interaction history and retrieves high-relevance context at inference time, enabling response grounding while reducing prompt size and token usage. 证据：`integrations/openclaw/README.md`
- **What is MemMachine?**（documentation）：strands-memmachine MemMachine memory tool for Strands Agents Strands Docs ◆ MemMachine ◆ API Docs ◆ Community Packages 证据：`integrations/strands-memmachine/README.md`
- **MemMachine Client**（documentation）：A Python client library for the MemMachine memory system. 证据：`packages/client/README.md`
- **MemMachine Common**（documentation）：Shared Python models and API types for MemMachine packages. 证据：`packages/common/README.md`
- **MemMachine Meta-Package**（documentation）：This package is a meta-package that installs the full MemMachine suite, including: 证据：`packages/meta/README.md`
- **MemMachine Memory Skill**（documentation）：Use this skill when an agent needs durable project, user, or session context from MemMachine, or when it needs to save stable information for future agent runs. The skill teaches the agent to use mem-cli for memory retrieval before falling back to repository search for prior context. 证据：`packages/skills/README.md`
- **MemMachine REST Client**（documentation）：A unified TypeScript/Node.js SDK for MemMachine RESTful APIs, providing a consistent interface to manage memories. 证据：`packages/ts-client/README.md`
- **chatgpt2memmachine**（documentation）：Import chat history from external sources into MemMachine. 证据：`tools/chatgpt2memmachine/README.md`
- **MemMachine Agent Guide**（documentation）：This file helps autonomous coding agents work effectively in this repo. It summarizes build/lint/test commands and the code style expectations for both Python and the TypeScript REST client packages. 证据：`AGENTS.md`
- **Welcome to the MemMachine Project**（documentation）：Thank you for your interest in contributing to MemMachine! We are a community-driven open-source project, and we welcome contributions from everyone. Whether you're a new developer or a seasoned pro, your help is invaluable. 证据：`CONTRIBUTING.md`
- **Package**（package_manifest）：{ "name": "memmachine-client-demo", "version": "1.0.0", "main": "./dist/index.js", "scripts": { "dev": "tsx --watch src/index.ts" }, "keywords": , "license": "ISC", "dependencies": { "@memmachine/client": "^0.0.1" }, "devDependencies": { "tsx": "^4.21.0", "typescript": "^5.9.3" } } 证据：`examples/ts_rest_client_demo/package.json`
- **Package**（package_manifest）：{ "name": "@memmachine/openclaw-memmachine", "version": "0.0.0-development", "type": "module", "description": "OpenClaw MemMachine memory plugin", "homepage": "https://memmachine.ai", "repository": { "type": "git", "url": "git+https://github.com/MemMachine/MemMachine.git" }, "main": "./dist/index.cjs", "module": "./dist/index.mjs", "types": "./dist/index.d.ts", "exports": { ".": { "types": "./dist/index.d.ts", "require": "./dist/index.cjs", "import": "./dist/index.mjs" } }, "files": "dist", "openclaw.plugin.json" , "scripts": { "clean": "node -e \"require 'node:fs' .rmSync 'dist',{recursive:true,force:true} \"", "build": "npm run clean && npm exec tsup", "test": "node --experimental-vm-modu… 证据：`integrations/openclaw/package.json`
- **Package**（package_manifest）：{ "name": "@memmachine/client", "version": "0.0.0-development", "description": "TypeScript client for MemMachine RESTful APIs", "homepage": "https://memmachine.ai", "repository": { "type": "git", "url": "git+https://github.com/MemMachine/MemMachine.git" }, "main": "./dist/index.js", "module": "./dist/index.mjs", "types": "./dist/index.d.ts", "typesVersions": { " ": { " ": "./dist/index.d.ts" } }, "exports": { ".": { "types": "./dist/index.d.ts", "require": "./dist/index.js", "import": "./dist/index.mjs" } }, "files": "dist", "README.md" , "scripts": { "clean": "rimraf dist", "build": "npm run clean && eslint . --ext .ts --fix && npx prettier --write . && npx tsup", "test": "jest", "test:wat… 证据：`packages/ts-client/package.json`
- **MemMachine Memory**（skill_instruction）：Use MemMachine as durable context storage when the current prompt or conversation does not contain enough prior project, user, or session context. When this skill is loaded for retrieval, the first evidence-gathering action must be a MemMachine query through mem-cli , not grep , rg , find , ls , or manual repository browsing. 证据：`packages/skills/memmachine-memory/SKILL.md`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **MemMachine Docker Setup Guide**（documentation）：Prerequisites - Docker and Docker Compose installed - OpenAI API key configured 证据：`DOCKER_COMPOSE_README.md`
- **Openapi**（structured_config）：{ "openapi": "3.1.0", "info": { "title": "MemMachine API", "version": "0.3.10", "description": "Architectural Memory Systems for AI Agents. Specialized in episodic and semantic memory management with strict namespace isolation." }, "servers": { "url": "http://localhost:8080" } , "tags": { "name": "Configuration", "description": "System overview and memory subsystem configuration." }, { "name": "Episodic Configuration", "description": "Per-project episodic memory subsystem configuration." }, { "name": "Memories", "description": "Core operations for episodic and semantic memory ingestion and retrieval." }, { "name": "Projects", "description": "Lifecycle management for isolated memory namespac… 证据：`docs/openapi.json`
- **Platform.Openapi**（structured_config）：{ "components": { "responses": { "UnexpectedError": { "content": { "application/json": { "schema": { "$ref": " /components/schemas/Error" } } }, "description": "Unexpected error." } }, "schemas": { "AddMemoriesResponse": { "description": "Response model for adding memories.", "properties": { "results": { "description": "The list of results for each added memory message.", "items": { "$ref": " /components/schemas/AddMemoryResult" }, "title": "Results", "type": "array" } }, "required": "results" , "title": "AddMemoriesResponse", "type": "object" }, "AddMemoriesSpec": { "allOf": { "$ref": " /components/schemas/ProjectScope" }, { "properties": { "messages": { "description": "A list of messages… 证据：`docs/platform.openapi.json`
- **Openapi**（structured_config）：{ "openapi": "3.1.0", "info": { "title": "FastAPI", "version": "0.1.0" }, "paths": { "/api/v2/projects": { "post": { "summary": "Create Project", "description": "Create a new project.\n\n This endpoint creates a project under the specified organization using the\n provided identifiers and configuration. Both org id and project id \n follow the rules: no slashes; only letters, numbers, underscores,\n hyphens, colon, and Unicode characters.\n\n Each project acts as an isolated memory namespace. All memories episodes \n inserted into a project belong exclusively to that project. Queries,\n listings, and any background operations such as memory summarization or\n knowledge extraction only acces… 证据：`docs/tools/openapi.json`
- **Do not add any new paths under packages/**（source_file）：tool.uv.workspace members = "packages/client", "packages/common", "packages/server" 证据：`pyproject.toml`
- **──────────────────────────────────────────────────────────────**（source_file）：DEFAULT MODEL = "gpt-4.1-mini" DEFAULT PERSONA = "Charlie" DEFAULT SESSION BASE = "Session" TYPING SPEED = 0.02 PREVIEW TEXT LIMIT = 2000 ⋮---- def generate session name base: str = DEFAULT SESSION BASE - str ⋮---- existing = set st.session state.get "session order", idx = 1 ⋮---- candidate = f"{base} {idx}" ⋮---- def ensure session state - None ⋮---- """Initialize session state with default values.""" ⋮---- default name = generate session name ⋮---- def create session session name: str None = None - tuple bool, str ⋮---- candidate = session name or "" .strip ⋮---- candidate = generate session name ⋮---- def rename session current name: str, new name: str - bool ⋮---- target = new name.stri… 证据：`examples/simple_chatbot/app.py`
- **Add semantic memory**（source_file）：MEMMACHINE PORT = os.getenv "MEMORY SERVER URL", "http://localhost:8080" ORG ID = os.getenv "ORG ID", "default-org" PROJECT ID = os.getenv "PROJECT ID", "simple chatbot" ⋮---- PROMPT = """You are a helpful AI assistant. Use the provided context and profile information to answer the user's question accurately and helpfully. ⋮---- def dict to filter string filter dict: dict str, str - str ⋮---- conditions = ⋮---- escaped value = value.replace "'", "''" ⋮---- def ingest and rewrite user id: str, query: str - str ⋮---- """Pass a raw user message through the memory server and get context-aware response.""" ⋮---- filter str = f"metadata.user id='{user id}'" resp = requests.post ⋮---- data = resp.… 证据：`examples/simple_chatbot/gateway_client.py`
- **──────────────────────────────────────────────────────────────**（source_file）：rewritten msg = msg ⋮---- rewritten msg = ingest and rewrite ⋮---- ────────────────────────────────────────────────────────────── Page setup & CSS ⋮---- Sidebar ⋮---- model id = st.selectbox provider = MODEL TO PROVIDER model id ⋮---- selected persona = st.selectbox custom persona = st.text input "Or enter your name", "" persona name = custom persona.strip or selected persona ⋮---- skip rewrite = st.checkbox "Skip Rewrite" compare personas = st.checkbox "Compare with Control persona" show rationale = st.checkbox "Show Persona Rationale" ⋮---- success = delete profile persona name ⋮---- Session state ⋮---- def clean history history: list dict , persona: str - list dict ⋮---- out = ⋮---- clea… 证据：`examples/v1/frontend/app.py`
- **Gateway Client**（source_file）：EXAMPLE SERVER PORT = os.getenv "EXAMPLE SERVER PORT", "http://localhost:8000" ⋮---- def ingest and rewrite user id: str, query: str, model type: str = "openai" - str ⋮---- resp = requests.post ⋮---- def add session message user id: str, msg: str - None ⋮---- def create persona query user id: str, query: str - str ⋮---- resp = requests.get ⋮---- search results = resp.json ⋮---- def add new session message user id: str, msg: str - None ⋮---- """Alias for add session message for backward compatibility.""" ⋮---- def delete profile user id: str - bool ⋮---- """Delete all memory for the given user id via the CRM server.""" 证据：`examples/v1/frontend/gateway_client.py`
- **normalize non-dict JSON payloads**（source_file）：DEFAULT BASE URL = "https://api.memmachine.ai/v2" DEFAULT ORG ID = "default org" DEFAULT PROJECT ID = "default project" ⋮---- @dataclass frozen=True class MemMachineClient ⋮---- api key: str base url: str = DEFAULT BASE URL timeout: tuple float, float = 10.0, 60.0 ⋮---- def auth header value self - str ⋮---- value = self.api key or "" .strip ⋮---- def headers self - dict str, str ⋮---- def post self, path: str, json body: dict str, Any - dict str, Any ⋮---- url = self.base url.rstrip "/" + "/" + path.lstrip "/" resp = requests.post ⋮---- payload: Any = resp.json if resp.content else None ⋮---- payload = None ⋮---- normalize non-dict JSON payloads 证据：`integrations/dify/plugin/tools/_memmachine.py`
- **Pyproject**（source_file）：build-system requires = "hatchling", "hatch-vcs" build-backend = "hatchling.build" 证据：`integrations/strands-memmachine/pyproject.toml`
- **Pyproject**（source_file）：build-system requires = "setuptools =68.0", "wheel", "setuptools-scm =8.0" build-backend = "setuptools.build meta" 证据：`packages/client/pyproject.toml`
- **Use shared API Pydantic models**（source_file）：logger = logging.getLogger name ⋮---- class MemMachineClient ⋮---- class ExtraOptions TypedDict, total=False ⋮---- retry strategy = Retry adapter = HTTPAdapter max retries=retry strategy ⋮---- class RequestExtraOptions TypedDict, total=False ⋮---- """Extra options for the HTTP request.""" ⋮---- params: Mapping str, str Sequence tuple str, str None data: Iterable bytes str bytes IO Any Mapping Any, Any None json: Any headers: Mapping str, str bytes None None cookies: RequestsCookieJar MutableMapping str, str None files: Mapping str, Any Iterable tuple str, Any None auth: allow redirects: bool proxies: MutableMapping str, str None hooks: stream: bool None verify: bool str None cert: str tuple… 证据：`packages/client/src/memmachine_client/client.py`
- **Pyproject**（source_file）：build-system requires = "setuptools =68.0", "wheel", "setuptools-scm =8.0" build-backend = "setuptools.build meta" 证据：`packages/common/pyproject.toml`
- **Pyproject**（source_file）：build-system requires = "setuptools =68.0", "wheel", "setuptools-scm =8.0" build-backend = "setuptools.build meta" 证据：`packages/meta/pyproject.toml`
- **Pyproject**（source_file）：build-system requires = "setuptools =68.0", "wheel", "setuptools-scm =8.0" build-backend = "setuptools.build meta" 证据：`packages/server/pyproject.toml`
- **Resource Manager**（source_file）：logger = logging.getLogger name ⋮---- class ResourceManagerImpl ⋮---- def init self, conf: Configuration - None ⋮---- async def build self - None ⋮---- tasks = ⋮---- async def close self - None ⋮---- tasks = ⋮---- async def get sql engine self, name: str, validate: bool = False - AsyncEngine ⋮---- async def get neo4j driver self, name: str, validate: bool = False - AsyncDriver ⋮---- async def get vector graph store self, name: str - VectorGraphStore ⋮---- async def get vector store self, name: str - VectorStore ⋮---- async def get segment store self, name: str - SegmentStore ⋮---- engine = await self.get sql engine name store = SQLAlchemySegmentStore ⋮---- async def get embedder self, name:… 证据：`packages/server/src/memmachine_server/common/resource_manager/resource_manager.py`
- **Add properties skip None — column not created in schema for None values**（source_file）：logger = logging.getLogger name ⋮---- @dataclass class NebulaGraphVectorGraphStoreParams ⋮---- client: "NebulaAsyncClient" schema name: str graph type name: str graph name: str force exact similarity search: bool = False filtered similarity search fudge factor: int = 4 exact similarity search fallback threshold: float = 0.5 range index hierarchies: list list str = field default factory=list range index creation threshold: int = 10 000 vector index creation threshold: int = 10 000 ⋮---- ann index type: str = "IVF" ivf nlist: int = 256 ivf nprobe: int = 8 hnsw max degree: int = 16 hnsw ef construction: int = 200 hnsw ef search: int = 40 ⋮---- metrics factory: Any None = None user metrics labe… 证据：`packages/server/src/memmachine_server/common/vector_graph_store/nebula_graph_vector_graph_store.py`
- **The same points in time with different timezones are not equal in Neo4j,**（source_file）：logger = logging.getLogger name ⋮---- def neo4j query text: str - Query ⋮---- class Neo4jVectorGraphStoreParams BaseModel ⋮---- driver: InstanceOf AsyncDriver = Field force exact similarity search: bool = Field filtered similarity search fudge factor: int = Field exact similarity search fallback threshold: float = Field range index hierarchies: list list str = Field range index creation threshold: int = Field vector index creation threshold: int = Field metrics factory: InstanceOf MetricsFactory None = Field ⋮---- class Neo4jVectorGraphStore VectorGraphStore ⋮---- class CacheIndexState Enum ⋮---- CREATING = 0 ONLINE = 1 ⋮---- def init self, params: Neo4jVectorGraphStoreParams - None ⋮---- d… 证据：`packages/server/src/memmachine_server/common/vector_graph_store/neo4j_vector_graph_store.py`
- **Vector Graph Store**（source_file）：class VectorGraphStore ABC ⋮---- @abstractmethod async def delete all data self - None ⋮---- @abstractmethod async def close self - None 证据：`packages/server/src/memmachine_server/common/vector_graph_store/vector_graph_store.py`
- **Qdrant Vector Store**（source_file）：SYSTEM KEY PREFIX = "sys-" PAYLOAD PARTITION KEY = f"{ SYSTEM KEY PREFIX}partition key" ⋮---- def partition filter partition key: str - models.Filter ⋮---- class QdrantVectorStoreCollection VectorStoreCollection ⋮---- RANGE OPERATORS: ClassVar dict str, str = { ⋮---- @staticmethod def build qdrant filter expr: FilterExpr - models.Filter ⋮---- left = QdrantVectorStoreCollection. build qdrant filter expr.left right = QdrantVectorStoreCollection. build qdrant filter expr.right ⋮---- message = f"Unsupported filter expression type: {type expr }" ⋮---- @staticmethod def build qdrant comparison comparison: FilterComparison - models.Filter ⋮---- """Convert a Comparison into a Qdrant Filter.""" fiel… 证据：`packages/server/src/memmachine_server/common/vector_store/qdrant_vector_store.py`
- **sqlite-vec hard-caps k at 4096; larger values raise an OperationalError.**（source_file）：class BaseSQLiteVecVectorStore DeclarativeBase ⋮---- class CollectionRow BaseSQLiteVecVectorStore ⋮---- tablename = "vector store sqlite vec cl" ⋮---- namespace: MappedColumn str = mapped column String 255 , primary key=True name: MappedColumn str = mapped column String 255 , primary key=True config json: MappedColumn dict str, JsonValue = mapped column ⋮---- class SQLiteVecVectorStoreCollection VectorStoreCollection ⋮---- DISTANCE FUNCTIONS: ClassVar dict SimilarityMetric, str = { ⋮---- @property @override def config self - VectorStoreCollectionConfig ⋮---- @staticmethod def serialize vector vector: Sequence float - bytes ⋮---- @staticmethod def deserialize vector data: bytes - list float… 证据：`packages/server/src/memmachine_server/common/vector_store/sqlite_vec_vector_store.py`
- **If unlink fails, the orphan is harmless.**（source_file）：logger = logging.getLogger name ⋮---- class IndexLoadError RuntimeError ⋮---- def init self, namespace: str, name: str, path: Path - None ⋮---- class BaseSQLiteVectorStore DeclarativeBase ⋮---- class CollectionRow BaseSQLiteVectorStore ⋮---- tablename = "vector store sqlite cl" ⋮---- namespace: MappedColumn str = mapped column String 255 , primary key=True name: MappedColumn str = mapped column String 255 , primary key=True config json: MappedColumn dict str, JsonValue = mapped column ⋮---- index saved: MappedColumn bool = mapped column ⋮---- class PendingOperationRow BaseSQLiteVectorStore ⋮---- tablename = "vector store sqlite pd op" table args = ⋮---- record row id: MappedColumn int = map… 证据：`packages/server/src/memmachine_server/common/vector_store/sqlite_vector_store.py`
- 其余 20 条证据见 `AI_CONTEXT_PACK.json` 或 `EVIDENCE_INDEX.json`。

## 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`, `evaluation/README.md`, `examples/README.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`, `evaluation/README.md`, `examples/README.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。

- **概述与系统架构**：importance `high`
  - source_paths: README.md, pyproject.toml, packages/meta/README.md, packages/server/src/memmachine_server/main/memmachine.py, packages/server/src/memmachine_server/server/app.py
- **记忆系统与数据流 (Episodic、Semantic、Short-Term)**：importance `high`
  - source_paths: packages/server/src/memmachine_server/episodic_memory/episodic_memory.py, packages/server/src/memmachine_server/episodic_memory/event_memory/event_memory.py, packages/server/src/memmachine_server/episodic_memory/long_term_memory/long_term_memory.py, packages/server/src/memmachine_server/episodic_memory/short_term_memory/short_term_memory.py, packages/server/src/memmachine_server/episodic_memory/event_memory/segmenter/text_segmenter.py
- **存储后端与数据抽象**：importance `high`
  - source_paths: packages/server/src/memmachine_server/common/vector_store/vector_store.py, packages/server/src/memmachine_server/common/vector_store/qdrant_vector_store.py, packages/server/src/memmachine_server/common/vector_store/sqlite_vector_store.py, packages/server/src/memmachine_server/common/vector_store/sqlite_vec_vector_store.py, packages/server/src/memmachine_server/common/vector_store/vector_search_engine/hnswlib_engine.py
- **集成、SDK 与部署运维**：importance `high`
  - source_paths: packages/client/src/memmachine_client/client.py, packages/ts-client/src/client/memmachine-client.ts, packages/server/src/memmachine_server/server/api_v2/router.py, packages/server/src/memmachine_server/server/api_v2/mcp.py, packages/server/src/memmachine_server/server/mcp_stdio.py

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `a1ab26e07ea47da99cc9bf5004db99dfbe4a7ea6`
- inspected_files: `Dockerfile`, `README.md`, `docker-compose.yml`, `pyproject.toml`, `uv.lock`, `docs/api_reference/intro.mdx`, `docs/api_reference/mcp.mdx`, `docs/api_reference/python/client.mdx`, `docs/api_reference/python/client_api.mdx`, `docs/api_reference/python/config_api.mdx`, `docs/api_reference/python/episodic_memory.mdx`, `docs/api_reference/python/episodic_memory_manager.mdx`, `docs/api_reference/python/memory_api.mdx`, `docs/api_reference/python/memory_types.mdx`, `docs/api_reference/python/project_api.mdx`, `docs/api_reference/python/semantic_api.mdx`, `docs/api_reference/python/semantic_memory.mdx`, `docs/api_reference/python/server.mdx`, `docs/api_reference/python/system_api.mdx`, `docs/api_reference/ts-rest/classes/MemMachineAPIError.mdx`

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: 来源证据：[Feat]: Add Apache AGE as an alternative graph backend for episodic memory

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：[Feat]: Add Apache AGE as an alternative graph backend for episodic memory
- Why it matters: 可能阻塞安装或首次运行。
- Evidence: community_evidence:github | https://github.com/MemMachine/MemMachine/issues/1324 | 来源讨论提到 docker 相关条件，需在安装/试用前复核。
- 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: 来源证据：[Bug]: MemMachineClient does not return semantic memory when calling search.

- Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：[Bug]: MemMachineClient does not return semantic memory when calling search.
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | https://github.com/MemMachine/MemMachine/issues/690 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- 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: 来源证据：[Bug]: Semantic messages duplication

- Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：[Bug]: Semantic messages duplication
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | https://github.com/MemMachine/MemMachine/issues/640 | 来源类型 github_issue 暴露的待验证使用条件。
- 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 4: 来源证据：SQLiteVectorStore: row_id reuse + concurrent async writes silently lose a record's vector

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：SQLiteVectorStore: row_id reuse + concurrent async writes silently lose a record's vector
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | https://github.com/MemMachine/MemMachine/issues/1468 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- 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: 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/MemMachine/MemMachine | 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 6: 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/MemMachine/MemMachine | 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/MemMachine/MemMachine | 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 8: 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/MemMachine/MemMachine | 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 9: 来源证据：[Bug]: Dead loop to trigger memmachine_server.semantic_memory.semantic_ingestion when LLM reponse is invalid

- Trigger: GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：[Bug]: Dead loop to trigger memmachine_server.semantic_memory.semantic_ingestion when LLM reponse is invalid
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能影响授权、密钥配置或安全边界。
- Evidence: community_evidence:github | https://github.com/MemMachine/MemMachine/issues/1270 | 来源讨论提到 docker 相关条件，需在安装/试用前复核。
- 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 10: 来源证据：[Feat]: Add Milvus vector store backend

- Trigger: GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：[Feat]: Add Milvus vector store backend
- Why it matters: 可能影响授权、密钥配置或安全边界。
- Evidence: community_evidence:github | https://github.com/MemMachine/MemMachine/issues/1470 | 来源类型 github_issue 暴露的待验证使用条件。
- 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。