无问自忆 Ambient Recall 「潜藏追忆，如影随形」
她不是数据库，是一个会主动想起你的同事。跨窗口、跨会话、跨工具 —— 记忆长在你自己的机器上。
宿主侧主动联想中间件：持续观察对话情境，双轨检索，在你开口之前把该想起的送进下一拍。零运行时依赖，BSD-3-Clause。
市面上的记忆方案，
都要求模型「记得去查」。
忘了调，记忆就等于不存在 —— 这是所有「工具式记忆」的结构性缺陷。dsh-auto-memory 换了一条路：把记忆放在宿主侧，让她持续观察、主动联想、在模型开口之前把该想起的送进下一拍。JS 权威层做最终仲裁，AI 只在边界内干活。
主动，不靠调用
语义模型在对话中途判断两件事：此刻该不该想起、该想起哪一条。相关记忆经固定边界注入下一轮 —— 从不依赖模型「记得去查」。
记忆是你自己的
全部写在本机磁盘，每条都带证据链：哪条消息、哪个工具、哪次深夜反思。可审计、可编辑、可删除 —— 一句话就能让她忘。
前缀缓存友好
注入点在提示词里的字节位置固定不变，缓存持续命中 —— 你不需要为「记忆」付两次 token 的钱。这是设计约束，不是事后优化。
两套可互换的语义引擎
JS 端内置 e5-small（~130MB，装上就能用）与 Python 端 BGE-M3（563MB，发烧友进阶档）—— 两者相对独立、可互相替换，永远不互相绑架。
四件心血撑起脊柱，
其余八件围着长。
会记事会问候 / 涌现式主动联想 / 技能固化 / 上下文交接 —— 每一件都可独立开关，每一次想起都交得出证据。
主动联想
不是「记得去查」，是边做边想起。宿主持续观察，语义模型实时判定，记忆经固定边界走进下一拍。
三级检索算力
词法 0GB 保底（永远可用）→ 内置 e5-small ~130MB → Python BGE-M3 int8 进阶。失败自动逐级回退。
技能固化
像骑自行车 —— 不用再想怎么骑。工作流凝成技能，下次相似场景清单自己挂上来，无人提醒。
交接而非压缩
上下文满了不烧整本书换一句话，而是写四段式交接账本：状态、目标、死路与原因、进度与下一步。
外部记忆继承
WorkBuddy / CodeBuddy / Claude Code / Codex 的记忆会被扫描进来 —— 换工具不用换记忆。纯链接模式，不抄内容。
定时问候
早上、下午、深夜 —— 你回来时她用合适的语气打招呼。不是通知铃，是记得你的人说的话。
无人值守
整夜安静跑：零寒暄、零打扰、零汇报。只在该想起时想起，该交接时交接。早上回来，工作已经往前走了。
会话隔离
同时开几个工作区，各记各的、各想各的。点进一个绝不打扰正在跑的那个 —— 并发 A/B 的 cwd、游标、待办零串线。
激活观测台
每一次 suppress / prefetch / activate / drop / delivery 都可查：触发上下文、车道、分数、候选 id、尾注摘要。决策可打分复核。
记忆中枢
三店持久化 + 治理式写回：事实层、程序层、日志层分开管，每条都能追溯来源、置顶保活、按需遗忘。
欢迎向导
每个功能、当场看懂、当场开关。十二个能力逐个演示，升级后自动播放一次 —— 不是弹窗广告，是开关的家。
零运行时依赖
JS 记忆核心只用 Node 内置模块。装完即用，不拖一个第三方包进你的进程 —— BSD-3-Clause，代码全在你自己机器上。
三件事，
现在就能试。
召回、决策、固化 —— 这是她每轮对话都在做的三件事。参数与数字取自真实实测（BGE-M3 int8 · R@5 0.925 · canary delivered=3/seen=24）。
她说一句话，她开始回想
输入任意一句对话，看她如何从三层语料里捞出候选、打分、挑出唯一该注入的那条。分数是真实的双轨融合结果（词法 0.3 + 向量 0.7）。
该不该打断你？
召回之后还有一道闸：分数够不够、会不会是回声、要不要打断。调阈值看两车道如何分流 —— canary 显式唤起，shadow 只记录不注入。
从看到到会做
看过你几次纠正、同类事做过几遍，工作流就凝成技能。四级晋升，每一步都有跨会话证据；90 天未用自动归档，可置顶保活。
七篇技术报告，
结论不是拍的，是算出来的。
检索选型、激活策略、前缀缓存、注入成本、架构治理 —— 全部来自可复现实验，结论冻结为工程决策台账，并已进入生产实现。
「像不像」与「该不该」是两个目标，在分布上甚至反向。单阈值策略在 86 条金标上精确率为 0。
阅读 →五套开源记忆系统横向观察。分野不在存了多少，而在「取的时候由谁决定取什么」。
阅读 →3 模型 × 5 分块 × 6 通道 ≈ 90 个评测单元。BGE-M3 真实层 R@5 0.925，领先次名 12.5 个百分点。
阅读 →把「主动联想」定义成可判定的运行时边界，并排查它与「模型调用记忆工具」的根本区别。
阅读 →同站、同端、同时段，两个模型的缓存表现相差 20.9 倍。847 条真实请求的对照测量。
阅读 →完整版 18,291 字符，为预算的 228.6%。规则段一段占 41.7%，且每轮必到、不参与裁剪。
阅读 →110 个模块、158 条依赖边、68 个零出边叶子。真正的障碍是那个 10,852 行的单类。
阅读 →
