WanYi Memory Core

六护城河架构

不是又一个向量数据库。万忆中枢解决的是「存、取、判断、反思、纠错」全链路。

🛡️

置信度拦截

高风险操作自动触发决策检查。「全仓梭哈」→ BLOCK，「正常重构」→ PASS。基于历史教训的置信度评分引擎。

🪞

反事实之镜

每个关键决策点开平行分支：「如果我当时听了会怎样」。到期自动结算对比，把「本可以」变成「下次一定」。

🌉

跨域类比桥接

交易止损纪律 → 写作砍掉冗余章节 → 编程删除死代码。抽象底层模式，跨领域迁移智慧。

📚

错题本 + 经验库

自动提取高频错误模式，沉淀成功路径为可复用经验结晶。不重复犯错，从每次失败中提取最大价值。

🎬

轨迹回放

所有反事实分支串成一条决策时间线。回顾过去30天的每一个分叉路口，看清自己的决策模式。

🧠

元认知知识空白

召回弱时不瞎编，诚实记录「我不知道」。知识空白列表就是你的学习地图，填补一个少一个。

交互式演示

真实 MCP 调用模拟。每个场景都是实际可运行的命令。

# 场景1：记录交易教训

> tool_record_memory(content="止损纪律：亏损超8%必须无条件卖出", layer="道", mem_type="principle")

{ "status": "inserted", "id": "mem_001", "layer": "道", "type": "principle" }

✅ 记忆已写入道层（最高优先级，永不衰减）

# 场景2：记录写作观察

> tool_record_memory(content="第3章读者掉点严重——反转太突兀缺少铺垫", layer="术", mem_type="observation")

{ "status": "inserted", "id": "mem_002", "layer": "术", "type": "observation" }

✅ 写入耗时 2.6ms | 术层记忆（中等半衰期）

# 场景3：记录技术事实

> tool_record_memory(content="asyncio比多线程更轻量，IO密集型首选", layer="法", mem_type="fact")

{ "status": "inserted", "id": "mem_003", "layer": "法", "type": "fact" }

✅ 法层记忆（方法论的载体）

# 批量写入 100 条测试：

总耗时 510ms | 平均 5.1ms/条 | 线性扩展 ✅

# 查询1：语义召回（零关键词重叠）

> tool_recall_memory("怎么写好小说开头", limit=5)

[
  {"content":"番茄小说开篇黄金三行：悬念+人物+冲突，前300字必须出钩子", "_score": 0.77},
  {"content":"番茄小说开篇黄金三行：悬念+人物+冲突", "_score": 0.70},
  {"content":"番茄小说开篇黄金三行：悬念+人物+冲突，前300字必须出钩子", "_score": 0.69}
]

✅ 召回3条 | 最高分0.77 | 耗时3.3ms | 精准命中

# 查询2：风险相关召回

> tool_recall_memory("全仓买入风险", limit=5)

[
{"content":"全仓梭哈是亏损之源，永远不要超过30%仓位", "_score": 0.77},
{"content":"全仓梭哈是亏损之源，永远不要超过30%仓位", "_score": 0.69}
]

✅ 召回2条 | 最高分0.77 | 耗时1.7ms | 精准命中

# 查询3：空查询（应返回空）

> tool_recall_memory("完全不存在的查询xyzabc", limit=5)

[]

✅ 返回空结果 | 耗时0.8ms | 不瞎编不凑数

# 决策1：高风险操作 → 应该被拦截

> tool_confidence_check(action="check", decision_text="我要全仓梭哈AI概念股")

{
  "verdict": "BLOCK",
  "risk_level": "critical",
  "matched_risks": [{"keyword": "全仓", "level": "critical"}],
  "confidence": { "current": 0.50, "threshold": 0.85 }
}

🛡️ BLOCKED! 置信度 0.50 < 阈值 0.85 | 匹配到「全仓」关键词 | 历史记录：上次类似操作亏了18%

# 决策2：正常操作 → 应该通过

> tool_confidence_check(action="check", decision_text="用asyncio重构爬虫模块")

{
  "verdict": "PASS",
  "risk_level": "low",
  "matched_risks": [],
  "confidence": { "current": 0.50, "threshold": 0.30 }
}

✅ PASSED! 无风险关键词匹配 | 正常操作放行 | 耗时2.1ms

# 决策3：报复性交易 → 也应该拦截

> tool_confidence_check(action="check", decision_text="刚才亏了我要加倍仓位博回来")

{
  "verdict": "BLOCK",
  "risk_level": "medium",
  "matched_risks": [{"keyword": "加倍仓位", "level": "medium"}]
}

🛡️ BLOCKED! 「加倍仓位」触发报复性交易检测

全部 23 个 MCP 工具

tool_record_memory

写入新记忆（支持道/法/术三层）

tool_recall_memory

混合检索召回（BM25+向量+图谱）

tool_confidence_check

置信度决策拦截（护城河#1）

tool_counterfactual_mirror

反事实平行分支（护城河#2）

tool_analog_bridge

跨域类比迁移（护城河#3）

tool_trajectory_replay

分支轨迹回放（护城河#4）

tool_proactive_partner

主动搭档简报（护城河#5）

tool_knowledge_gap

元认知知识空白检测

tool_mistake_book

错题本查看 / 模式提取

tool_experience_library

经验库查询与复用

tool_graph_search

知识图谱扩展检索

tool_self_check

全库健康度自检

tool_gardener

园艺师后台巩固任务

tool_sleep_consolidation

睡眠周期衰减增强合并

tool_recent_evolution

指标	v1.0.0	v1.0.2	v1.0.3	变化趋势
初始化(首次)	994ms	183ms	876ms	↑ 回归
初始化(热启动)	-	3.5ms	2.4ms	↓ 更快
单条写入(avg)	2.6ms	4.9ms	3.1ms	↓ 更快
批量×100	100ms	550ms	510ms	↓ 更快
召回延迟(avg)	4.0ms	4.1ms	2.5ms	↓ 快39%
召回最高分	0.67	0.69	0.77	↑ 精12%
空查询返回	5条❌	0条✅	0条✅	稳定
MCP 工具数	23	23	23	不变
内存占用(RSS)	-	44.5MB	44.4MB	稳定
自检健康度	-	100/100	100/100	完美