# reme - 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 reme 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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_memory/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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_memory/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 "reme-ai[core]"` 证据：`README.md` Claim：`clm_0005` supported 0.86
- `git clone https://github.com/agentscope-ai/ReMe.git` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `pip install -e ".[core]"` 证据：`README.md` Claim：`clm_0007` supported 0.86
- `curl -s http://127.0.0.1:2333/version -H 'Content-Type: application/json' -d '{}'` 证据：`README.md` Claim：`clm_0008` 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_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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_memory/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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_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` 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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_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。
- **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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_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`
- **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：`README.md`, `README_ZH.md`, `docs/zh/quick_start.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_0009` 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_0010` 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/claude_code_memory/SKILL.md`, `skills/qwenpaw_memory/SKILL.md`, `skills/reme_memory/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：191
- 重要文件覆盖：40/191
- 证据索引条目：69
- 角色 / Skill 条目：3

### 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 reme 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 reme 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 reme 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 3 个角色 / Skill / 项目文档条目。

- **claude_code_memory**（skill）：claude code memory 激活提示：当用户任务与“claude_code_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：`skills/claude_code_memory/SKILL.md`
- **qwenpaw_memory**（skill）：qwenpaw memory 激活提示：当用户任务与“qwenpaw_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：`skills/qwenpaw_memory/SKILL.md`
- **reme_memory**（skill）：Use ReMe as a file-native long-term memory system through the reme CLI. 激活提示：当用户任务与“reme_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：`skills/reme_memory/SKILL.md`

## 证据索引

- 共索引 69 条证据。

- **✨ Core Ideas**（documentation）：A memory management toolkit for AI agents — Remember Me, Refine Me. 证据：`README.md`
- **开源与贡献**（documentation）：https://github.com/agentscope-ai/ReMe 证据：`docs/zh/contributing.md`
- **Auto Dream**（documentation）：auto dream 是 ReMe 的 daily 到 digest 的长期记忆沉淀流程。它扫描指定日期的 daily 输入，只处理相对上次 dream 发生变化的文件，把值得长期保留的内容抽取成 memory units，整合进 digest/ ，再生成当天可供主动提醒使用的 interests.yaml 。 证据：`docs/zh/auto_dream.md`
- **Memory Search**（documentation）：Memory Search 是 ReMe 的记忆检索入口。它先把 daily/ 、 digest/ 、 resource/ 里的文件持续构建成可搜索的 chunk 索引和 wikilink 图谱；查询时先召回最相关的片段，再沿着片段所在文件的双向链接展开上下文。 证据：`docs/zh/memory_search.md`
- **快速开始**（documentation）：core extra 建议安装：当前代码会导入 AgentScope wrapper，自进化记忆也依赖它。 证据：`docs/zh/quick_start.md`
- **Skill**（skill_instruction）：--- name: claude code memory description: claude code memory --- 证据：`skills/claude_code_memory/SKILL.md`
- **记忆**（skill_instruction）：- 每日笔记： memory/YYYY-MM-DD.md （按需创建 memory/ 目录）— 发生事件的原始记录 - 长期记忆： MEMORY.md — 精心整理的记忆，就像人类的长期记忆 - 重要：避免信息覆盖 : 先用 read file 读取原内容，然后使用 write file 或者 edit file 更新文件。 证据：`skills/qwenpaw_memory/SKILL.md`
- **ReMe Memory**（skill_instruction）：Use ReMe as the persistent memory layer for this Agent. ReMe stores raw sessions, daily notes, resources, and long-term digest memories in a local workspace. Prefer ReMe for information that should survive across conversations. 证据：`skills/reme_memory/SKILL.md`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **auto-cognition 设计 顶层:心智循环**（documentation）：本文档:reme 中 长期记忆系统 的顶层认知模型 —— 把 agent 的记忆生命周期类比人类睡眠/觉醒回路,推导出 三阶段分工 与 15 维能力清单 。 三阶段实现各有专属文档 : - Stage 1 写入 REM 重放抽象 → auto dream design.md - Stage 2 巩固 NREM 深度整合 → auto consolidate design.md - Stage 3 检索 觉醒态提取 → auto recall design.md 配套阅读: - auto memory design.md :入流端 daily 写入 ,与 cognition 平行 —— cognition 负责"已落地后的认知循环",memory 负责"经历落地" - structure.md §4 retrieve 三种问法 核心立场 : - 长期记忆不是"存 + 取"两个动作,是 写入 → 巩固 → 提取 的循环 —— 三段时间尺度不同 同步 / 周期 / 同步 ,设计形态不同 - workspace 是 事实层 ,只承载经过 LLM 写入认证的关系; meta/ 是 派生层 ,承载概率推断的统计信号 - 任一阶段独立演化,任一信号缺失系统降级而不崩 证据：`docs/old/auto_cognition_design.md`
- **auto-consolidate 设计 Stage 2 巩固:主动解决 workspace 长期演化的实际问题**（documentation）：auto-consolidate 设计 Stage 2 巩固:主动解决 workspace 长期演化的实际问题 证据：`docs/old/auto_consolidate_design.md`
- **auto-dream 设计 桶 / 节点 / 边 / 演化**（documentation）：本文档:digest 沉淀层的 桶 物理布局 / 节点 原子单元 / 边 wikilink / 演化 dream create or update;split 归 maintain 。 配套阅读: - structure.md §1.2 数据视角 / §2 三层存储 / §3.5 digest 动作 - auto memory design.md :daily 实时事件 = dream 的入流之一 - auto consolidate design.md :M split / D 检测 / CAS 写入协议 dream 模型的运行时实现 - auto cognition design.md :auto-cognition 三阶段顶层思想 —— dream 是其 Stage 1 写入阶段 的实现 核心 :digest = 浅桶 shallow bucket + flat .md + 一张图 节点 + 边 ;dream 定义模型与主流程 create or update ,maintain 负责 split / 写入运行时。 关键收敛 :digest 不分"逻辑层"。所有 .md 文件都是同一种节点,内容决定它扮演什么角色 主题概览 / 概念定义 / 方法描述 / 实体记录 ... 。"主题"从图中涌现,不是结构性宣告。 证据：`docs/old/auto_dream_design.md`
- **auto-memory 设计 实时事件拆分 / 写入 daily**（documentation）：本文档记录 reme 中 auto-memory 的设计讨论 —— 把 agent 连续的对话 / 任务流切成离散的 daily 事件原子,inline 落到 daily/ 层。 配套阅读: - structure.md §2.1-2.2 daily 层定位 / §3.4 sync 动作语义 / §7.1 synchronizer 模块 - auto dream design.md :auto-memory 产物如何被 dream 消化 dream 读 daily 作为入流之一 - auto consolidate design.md :digest 的组织端 / CAS 写入协议;auto-memory 不直接复用,但事件级"拆"与节点级 split 在概念上同构 都把过载粒度切小 - auto cognition design.md :auto-cognition 三阶段顶层思想 写入 / 巩固 / 检索 ;daily 节点是 cognition 图视图的一部分 承载 derived from:: 反指 ,但不参与 Stage 2 巩固改造 服务全景 :reme 服务两条主线 —— auto-memory 本文档,入流端 / daily 写入 与 auto-cognition 顶层思想:写入 = auto-dream,巩固 = auto-consolidate,检索 = auto-recall 。auto-memory 把 agent 实时事件流切成 daily 事件原子;它的产物是 dream cognition Stage 1 消化的两路输入之一 另一路是 resou… 证据：`docs/old/auto_memory_design.md`
- **auto-recall 设计 Stage 3 检索:信号融合 + 召回增强**（documentation）：auto-recall 设计 Stage 3 检索:信号融合 + 召回增强 证据：`docs/old/auto_recall_design.md`
- **更好的性能，更稳定和兼容**（documentation）：@jinli 新版reme是一个自管理的个人知识库。 - 记忆分层： → 记忆按"原始 → 加工"两层组织： resource/ （原始素材）、 daily/ （日记事件）是只增不删的流水帐； digest/ 是加工层，下分 personal/ （个性化）、 knowledge/ （主题知识）、 procedural/ （Agent 任务经验）、 proactive/ （主动洞察）四个固定子目录，写入策略和检索权重各有差异。 - 记忆的载体还是 Markdown： → 所有记忆都是 Obsidian 兼容的 .md 文件——YAML front matter、四种 wikilink（ X / X anchor / X alias / ! X ）、Dataview 风格 predicate:: X 语义关系全部沿用社区约定。用户可读、可备份、可迁移，对抗黑盒。 - 自我管理进化 → 不需要用户手工整理，Agent 在后台自动对于原始素材进行整理和融合，按照记忆的类型（个性化、程序化、知识类）进行分类整理并更新现有逻辑，同时自动Build link让笔记自己长出结构。这一点把 ReMe 同时与"手动建图的 Obsidian"和"扁平存储的Mem0"拉开。 - 渐进式检索 → 自我管理进化的产出物不是一堆扁平笔记，而是一张可被 渐进式检索 消费的图：向量 + 关键词 + 图谱三路 RRF 融合，返回时通过 1-hop 邻居 meta 让 Agent"先看目录、再决定要不要展开正文"，不像传统 RAG 那样一次性把 top-K 切片塞进上下文。 - 被集成而非内置（分发形态） → R… 证据：`docs/old/background_backup.md`
- **快速测试**（documentation）：终端 B：调用 version 验证服务可用 reme version 预期输出：✅ ReMe v{ version } 证据：`docs/old/reme_design.md`
- **ReMe 设计文档**（documentation）：本文按 reme/ 目录最新代码整理，重点描述当前实现，而不是历史设想。 证据：`docs/old/reme_design_v2.md`
- **reme 代码模块索引**（documentation）：本文档梳理 reme/ 下各能力模块、核心类和代码路径，便于快速定位与扩展。 所有路径相对仓库根目录 /Users/yuli/workspace/ReMe/ 。 证据：`docs/old/reme_index.md`
- **ReMe：把本地 Markdown 自进化成知识图谱的个人记忆引擎**（documentation）：面向 Leader / 决策者的能力报告 关键词：个人记忆 · 记忆自进化 · 多模检索 · Agent 接入 · 本地优先 证据：`docs/old/reme_report.md`
- **Reme Resource**（documentation）：- 增加agent 的component - 增加全局 时区time zone，全局作用 证据：`docs/old/reme_resource.md`
- **ReMe 应用场景**（documentation）：本文描述 ReMe 在真实 Agent 工作流里的使用方式。目录、Job 名称和能力边界按 reme/ 最新代码整理。 证据：`docs/old/reme_scene.md`
- **reme 系统架构 — 设计文档**（documentation）：本文档定义 reme 的 架构设计 :概念边界、数据流契约、职责划分。 证据：`docs/old/structure.md`
- **Todo**（documentation）：- reme session/ - agentscope claude code / 使用内置的agent wrapper，session会保存在这里 {session id}.jsonl UUID格式要求 /Users/yuli/workspace/ReMe/reme/components/agent wrapper - dialog/ {session id}.jsonl auto memory保存 可以监控可以被检索【可选】 - resource/ - YYYY-MM-DD/ - {channel} {xxxx}.html - {channel} {xxxx}.md - daily/【日记，浅加工】 - YYYY-MM-DD.md - YYYY-MM-DD/ - {session id}.md - {和resource同名}.md - digest/ - personal/ - procedure/ - wiki/ 证据：`docs/old/todo.md`
- **Auto Link**（documentation）：当前实现中， auto link 不是一个单独注册的 Job，而是 auto dream 的 Integrate 阶段能力： dream integrate step 在把 memory unit 写入 digest/ 时，同时完成 digest 节点召回、去重判断、来源链接和相关节点 wikilink 织入。 证据：`docs/zh/auto_link.md`
- **Auto Memory**（documentation）：Auto Memory 是 ReMe 的对话记忆入口：每段对话先按 session id 沉淀成一张 daily 记忆卡片，再由当天的 YYYY-MM-DD.md 统一索引。它负责把“聊过”变成“记住”，并把原始对话留好出处。 证据：`docs/zh/auto_memory.md`
- **Auto Resource Beta**（documentation）：Auto Resource 是 ReMe 的资源解读入口，目前处于 Beta 。资源文件先按日期进入 resource/ ，再被解读成同名 daily 资源卡片，最后由当天的 YYYY-MM-DD.md 统一索引。 证据：`docs/zh/auto_resource.md`
- **ReMe 代码框架**（documentation）：ReMe 的运行时可以理解为： 配置驱动的 Application 把组件和 Job 装配起来，Service 把可服务的 Job 暴露给 CLI、HTTP 或 MCP，Job 再按顺序执行 Step 。 证据：`docs/zh/framework.md`
- **Memory as File**（documentation）：ReMe 的核心思想是： Memory as File, File as Memory 。 证据：`docs/zh/memory_as_file.md`
- **Proactive**（documentation）：proactive 是 ReMe 的主动记忆读取接口。它不重新分析 daily，也不调用 LLM，只读取 auto dream 写出的当天兴趣主题： 证据：`docs/zh/proactive.md`
- **Init**（source_file）：version = "0.4.0.1" ⋮---- all = 证据：`reme/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/__init__.py`
- **Init**（source_file）：all = "BaseAgentWrapper", "AsAgentWrapper", "CcAgentWrapper" 证据：`reme/components/agent_wrapper/__init__.py`
- **Init**（source_file）：class BaseAsEmbedding BaseComponent ⋮---- component type = ComponentEnum.AS EMBEDDING credential cls: type CredentialBase def init self, kwargs - None ⋮---- @property def dimensions self - int async def call self, inputs: list Any , kwargs - list list float ⋮---- response = await self.model inputs, kwargs ⋮---- async def start self - None ⋮---- kwargs = dict self.kwargs credential = self.credential cls kwargs.pop "credential", {} model cls = self.credential cls.get embedding model class ⋮---- params dict = kwargs.pop "parameters", None parameters = model cls.Parameters params dict if params dict else None ⋮---- @R.register "openai" class OpenAIAsEmbedding BaseAsEmbedding ⋮---- credential cl… 证据：`reme/components/as_embedding/__init__.py`
- **Init**（source_file）：class BaseAsLLM BaseComponent ⋮---- component type = ComponentEnum.AS LLM credential cls: type CredentialBase def init self, kwargs - None async def start self - None ⋮---- kwargs = dict self.kwargs credential = self.credential cls kwargs.pop "credential", {} model cls = credential.get chat model class params dict = kwargs.pop "parameters", None parameters = model cls.Parameters params dict if params dict else None ⋮---- @R.register "openai" class OpenAIAsLLM BaseAsLLM ⋮---- credential cls = OpenAICredential ⋮---- @R.register "anthropic" class AnthropicAsLLM BaseAsLLM ⋮---- credential cls = AnthropicCredential ⋮---- @R.register "dashscope" class DashScopeAsLLM BaseAsLLM ⋮---- credential cls… 证据：`reme/components/as_llm/__init__.py`
- **Init**（source_file）：all = "BaseClient", "HttpClient", "MCPClient" 证据：`reme/components/client/__init__.py`
- **Init**（source_file）：all = "BaseEmbeddingStore", "LocalEmbeddingStore" 证据：`reme/components/embedding_store/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/file_catalog/__init__.py`
- **Init**（source_file）：all = "BaseFileChunker", "DefaultFileChunker", "MarkdownFileChunker" 证据：`reme/components/file_chunker/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/file_graph/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/file_store/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/job/__init__.py`
- **Init**（source_file）：all = "BaseKeywordIndex", "BM25Index" 证据：`reme/components/keyword_index/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/service/__init__.py`
- **Init**（source_file）：all = 证据：`reme/components/tokenizer/__init__.py`
- **Init**（source_file）：all = 证据：`reme/config/__init__.py`
- **Init**（source_file）：all = 证据：`reme/enumeration/__init__.py`
- **Init**（source_file）：all = 证据：`reme/schema/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/channel/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/common/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/evolve/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/evolve/dream/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/file_io/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/index/__init__.py`
- **Init**（source_file）：all = 证据：`reme/steps/transfer/__init__.py`
- **Init**（source_file）：all = 证据：`reme/utils/__init__.py`
- **Agent State Io**（source_file）：META KEYS = "session id", "reply id", "cur iter" class AsStateHandler ⋮---- def init self, path: str Path ⋮---- @classmethod def for session cls, directory: str Path, session id: str - "AsStateHandler" def exists self - bool async def load or none self - AgentState None async def delete self - bool async def dump self, state: AgentState - Path ⋮---- header = UserMsg tmp path = self.path.with name f".{self.path.name}.{uuid4 .hex}.tmp" ⋮---- async def load self - AgentState ⋮---- lines = await f.read .splitlines ⋮---- header = Msg.model validate json lines 0 summary: str list = metadata = header.metadata or {} 证据：`reme/utils/agent_state_io.py`
- **Producer ended cleanly — flush pending + drain queue so no chunk is lost,**（source_file）：def hash text text: str, encoding: str = "utf-8" - str ⋮---- data = "data: DONE \n\n" if chunk.done else f"data:{chunk.model dump json }\n\n" ⋮---- logger = get logger consumer: asyncio.Task StreamChunk None = None ⋮---- consumer = get chunk = asyncio.create task stream queue.get ⋮---- chunk = get chunk.result ⋮---- pending chunk: StreamChunk None = None ⋮---- pending chunk = get chunk.result ⋮---- msg = f"Task cancelled: {task name}" if task name else "Task cancelled" ⋮---- exc = task.exception ⋮---- log msg = f"Task error in {task name}: {exc}" if task name else f"Task error: {exc}" ⋮---- Producer ended cleanly — flush pending + drain queue so no chunk is lost, then emit the terminal sent… 证据：`reme/utils/common_utils.py`
- **Link Expansion**（source_file）：def group by neighbor links: list FileLink , key attr: str - dict str, list dict ⋮---- out: dict str, list dict = {} ⋮---- neighbor = getattr lnk, key attr ⋮---- def node meta node: FileNode None - dict ⋮---- fm = node.front matter meta: dict = {} ⋮---- def format meta inline meta: dict - str ⋮---- parts = ⋮---- def format via edge: dict - str ⋮---- """Render a single predicate, anchor edge as a 'via ...' descriptor.""" bits = ⋮---- out grouped = in grouped = dict list group by neighbor ins, "source path" .items :max per direction for ins in in lists neighbor paths = sorted {n for g in out grouped for n in g} {n for g in in grouped for n in g} nodes = await file store.get nodes neighbor pat… 证据：`reme/utils/link_expansion.py`
- **Logo Utils**（source_file）：def get version package name: str - str def hsv rgb h: float, s: float = 0.85, v: float = 0.98 - tuple int, int, int ⋮---- """HSV → 0-255 RGB tuple. High saturation+value keeps colors vibrant.""" ⋮---- def print logo app config: "ApplicationConfig" ⋮---- ascii art = hue base = random.random random starting hue per startup horizontal span = 0.5 half the wheel left-to-right vertical shift = 0.08 small per-line nudge for 2D rainbow logo text = Text ⋮---- line len = max 1, len line - 1 line hue start = hue base + line idx vertical shift ⋮---- ratio = i / line len ⋮---- info table = Table.grid padding= 0, 1 ⋮---- service = app config.service backend = service.backend extra = service.model extra… 证据：`reme/utils/logo_utils.py`
- 其余 9 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`, `docs/zh/contributing.md`, `docs/zh/auto_dream.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`, `docs/zh/contributing.md`, `docs/zh/auto_dream.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。

- **ReMe 项目概览与核心设计理念**：importance `high`
  - source_paths: README.md, README_ZH.md, reme/__init__.py, reme/reme.py, docs/zh/framework.md
- **记忆系统架构与数据流**：importance `high`
  - source_paths: reme/steps/evolve/auto_memory.py, reme/steps/evolve/auto_resource.py, reme/steps/evolve/dream/extract.py, reme/steps/evolve/dream/integrate.py, reme/steps/evolve/dream/proactive.py
- **组件体系、Job 与智能体集成**：importance `high`
  - source_paths: reme/application.py, reme/components/component_registry.py, reme/components/file_store/local_file_store.py, reme/components/file_store/faiss_local_file_store.py, reme/components/file_graph/local_file_graph.py
- **部署、配置、安全与常见问题**：importance `high`
  - source_paths: example.env, pyproject.toml, reme/config/default.yaml, reme/config/demo.yaml, reme/config/config_parser.py

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `8c1d348468d48bcf1d2a76eb41cba749b4a65c95`
- inspected_files: `README.md`, `pyproject.toml`, `docs/old/auto_cognition_design.md`, `docs/old/auto_consolidate_design.md`, `docs/old/auto_dream_design.md`, `docs/old/auto_memory_design.md`, `docs/old/auto_recall_design.md`, `docs/old/background_backup.md`, `docs/old/reme_design.md`, `docs/old/reme_design_v2.md`, `docs/old/reme_index.md`, `docs/old/reme_report.md`, `docs/old/reme_resource.md`, `docs/old/reme_scene.md`, `docs/old/structure.md`, `docs/old/todo.md`, `docs/zh/auto_dream.md`, `docs/zh/auto_link.md`, `docs/zh/auto_memory.md`, `docs/zh/auto_resource.md`

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：[技术咨询] ReMe 在多轮对话 + RagFlow 知识库架构下的适用性咨询

- 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：[技术咨询] ReMe 在多轮对话 + RagFlow 知识库架构下的适用性咨询
- 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/agentscope-ai/ReMe/issues/280 | 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 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/agentscope-ai/ReMe | 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/agentscope-ai/ReMe | 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/agentscope-ai/ReMe | 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/agentscope-ai/ReMe | 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: 来源证据：Three best-practice items: wildcard CORS + credentials on HTTP service, chromadb CVE, Neo4j default password

- 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：Three best-practice items: wildcard CORS + credentials on HTTP service, chromadb CVE, Neo4j default password
- 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: 可能影响升级、迁移或版本选择。
- Evidence: community_evidence:github | https://github.com/agentscope-ai/ReMe/issues/275 | 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 7: 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/agentscope-ai/ReMe | 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 8: 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/agentscope-ai/ReMe | 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。