抽象度 →
时       ┌─────────────┬──────────────┬────────────────┐
间       │  日层(1)    │  HOT/WARM(4)  │ 语义层(5)      │  分钟~小时
跨       │  操作日志    │  惯用模式     │  FTS5+向量搜索   │
度       ├─────────────┼──────────────┼────────────────┤
↓        │  本体层(3)  │  COLD(4)     │                │  天~周
         │  知识图谱    │  归档记忆     │                │
         ├─────────────┼──────────────┼────────────────┤
         │              │              │  embedding(2)  │  永久
         │              │              │  1536维向量索引 │
         └─────────────┴──────────────┴────────────────┘

from src.memory import AgentMemory
mem = AgentMemory()

# 写入
mem.remember("venxine.vip Nginx 配置从 210 行精简到 62 行", tags=["venxine", "nginx", "optimization"])
mem.learn(action="gunicorn sync workers 比 gthread 更稳定",
          context="gthread 在 3.6GB 机器反复 OOM", outcome="positive",
          insight="低内存机器优先使用 sync workers")

# 查询
mem.recall("nginx")                                    # FTS5 关键词搜索
mem.semantic_search("网站性能优化有哪些经验", limit=5)   # 向量语义搜索

~/self-improving/
├── memory.md           ← HOT 层（≤100行，session 注入上下文）
├── corrections.md      ← 修正日志（格式: Type/Context/Confirmed）
├── index.md            ← 热度索引 + 上次 compact 时间
├── projects/
│   └── fund-web.md     ← WARM 层（270行，项目架构知识）
├── domains/
│   └── fund.md         ← WARM 层（领域经验）
└── archive/            ← COLD 层（超30天未使用降级到此）

proj_58d05ddc ──[uses]──→ nginx-site-optimization
proj_58d05ddc ──[has_bug]──→ gthread workers OOM
proj_58d05ddc ──[has_version]──→ venxine.vip v6.10
cfg_nginx_venxine ──[configures]──→ proj_58d05ddc
data_utils_py ──[consumed_by]──→ proj_58d05ddc

## venxine.vip 全站 13 项优化
### 🔴 高优先级（安全加固）
### 🟡 中优先级（性能提升）
### 🟢 低优先级（工程优化）
### 关键架构
### 踩坑记录
### 输出清单

# Proactivity Working Buffer

## venxine.vip · 主动监控项
- gunicorn 进程: systemctl status venxine-gunicorn，确认 Active: running
- Nginx 重载: 每次改配置后 nginx -t → nginx -s reload，验证安全头不丢失
- .env 安全: FLASK_SECRET_KEY 已随机化，DEMO_PASSWORD 不硬编码
- DB 连接: 禁止直接 sqlite3.connect()，必须走 _get_state_db()
- 新路由: 新增 Flask 路由时同步检查 Nginx proxy 正则是否覆盖
- Tailwind 重建: 修改 index.html class 后需重新构建
- 日志监控: tail -f /tmp/gunicorn_error.log | grep -i error

新会话启动
  │
  ├─ 第1层: 读 ~/memory/ 最近日层日志 → 了解上下文
  ├─ 第4层: 读 ~/self-improving/memory.md HOT → 注入惯用模式
  ├─ 第5层: mem.semantic_search("当前任务关键词") → 召回历史经验
  ├─ 第2层: 自动降级逻辑 → FTS5 if embedding unavailable
  └─ proactivity: 读 working-buffer.md → 主动检查监控项

会话中
  │
  ├─ 重要事实 → mem.remember() → 第5层 FTS5 即时写入
  ├─ 新教训 → mem.learn() → 第5层 lessons
  ├─ 新实体/关系 → JSONL append → 第3层 知识图谱
  ├─ 修正 → corrections.md → 第4层
  └─ 操作日志 → 日层 MD → 第1层

会话结束
  │
  ├─ 检查 Recent → 是否晋升 Active(3次确认)
  ├─ 检查 HOT → 是否超 100 行需要 compact
  └─ 新增 facts → embedding-setup.py → 第2层向量化

semantic_search("如何优化网站")
  → 尝试: 向量相似度 (1536-dim cosine)
  → 失败: FTS5 关键词 (SQLite full-text)
  → 失败: 返回空列表（静默降级，不抛异常）

# 语义搜索测试
python3 -c "
from src.memory import AgentMemory
m = AgentMemory()
for f, score in m.semantic_search('nginx 安全优化', limit=3):
    print(f'{score:.4f} | {f.content[:80]}')
"

# 重新生成向量（新增 facts 后）
python3 ~/embeddings/embedding-setup.py

# 查看第4层热度分布
cat ~/self-improving/index.md

# 查看第3层实体关系
wc -l ~/memory/ontology/graph.jsonl

# 清理 COLD 归档（>30 天未用）
ls ~/self-improving/archive/

# 手动 compact HOT 层（超 100 行时）
# 自动由 heartbeat 脚本触发