个人AI记忆系统：五层资产、两级目录与受控读写 - 速读

个人 AI 记忆的核心是用户自有的上下文资产，而不是工具的聊天历史；通过分层、索引、按需召回和确认式写入，让多个 AI 在同一事实基础上协作。

• 五层记忆：身份、原则、偏好、上下文、知识分开管理，避免动态事实污染长期自我定义。
• 两级目录：目录最多两层，细分使用文件名，减少定位与归类成本。
• 七字段元数据：类型、标题、调用说明、状态、隐私、标签、时间让记忆可路由和可失效。
• 双层索引：先读 INDEX 和 README，再按任务加载正文，避免全量注入。
• 按需召回：公共原则可全局同步，项目/关系/经验只在相关任务进入上下文。
• 确认式写入：候选、归类和排除理由先由用户确认，再写库、更新索引和提交版本。

最小实践：先建五层目录、总索引和每目录 README；从一条高频偏好或协作关系开始，验证“任务触发 → 正确召回 → 用户确认更新”的闭环后再扩大范围。

相关：[[07-rag-systems/如何构建一个更好的知识库]]、[[01-ai-agents/若飞-Agent-记忆与可验证自我改进怎么设计]]、[[01-ai-agents/llm-agent-unified-memory-framework]]。

证据边界：为个人实践整理，未提供量化召回或跨工具效果对照。