Auto Dream 无损遗忘
为什么需要"做梦"
你可能知道，人在深度睡眠时大脑并没有闲着 -- 它在整理白天的经历，把零散的片段编织成完整的记忆，抛掉无关的细节，强化真正重要的部分。神经科学称之为"记忆巩固"。
DesireCore 的智能体面临着类似的挑战。随着你和它的互动不断积累，记忆库会持续膨胀：
- 检索变慢 -- 当记忆从几百条增长到上万条，每次查找相关记忆都要翻更多"旧笔记"
- 成本上升 -- 更大的记忆库意味着更多的存储和计算开销
- 噪声干扰 -- 大量琐碎的零散记忆可能淹没真正重要的信息
但如果粗暴地删除旧记忆，又会丢失宝贵的经验和模式 -- 那些你花了几个月"教"给智能体的东西，不应该说没就没。
Auto Dream 就是两者之间的最佳平衡：不删除，而是像做梦一样，把零散的记忆整合为更精练的知识。
什么是 Auto Dream
Auto Dream 是系统在后台周期性运行的记忆整合机制。它的工作方式不是简单地压缩或删除，而是：
- 识别主题相关的零散记忆
- 提炼其中的共性模式和核心信息
- 将多条碎片记忆重组为一份结构化的知识
打个比方：你有一叠便签，上面分别写着"用户喜欢用短句""用户不喜欢用感叹号""用户偏好主动语态""用户要求段落不超过三行"。Auto Dream 做的事情，就是把这四张便签合并成一份清晰的"写作风格指南" -- 信息一点没少，但形态更精练、更有用。
与普通遗忘的区别
| 普通遗忘（压缩/清理） | Auto Dream（无损遗忘） | |
|---|---|---|
| 工作方式 | 降低精度或直接删除 | 提炼精华后重组 |
| 信息损失 | 有损 -- 细节不可恢复 | 无损 -- 语义完整保留 |
| 触发条件 | 存储超限 / 记忆超龄 | 周期性自动触发 |
| 产出 | 压缩摘要或空 | 结构化知识条目 |
| 可回溯 | 压缩后原文不可恢复 | 原始记忆保留在版本历史中 |
简单来说，普通遗忘是"丢东西"，Auto Dream 是"整理书架" -- 书还在，只是摆得更整齐了。
Auto Dream 如何工作
整合过程
Auto Dream 的工作分为四个阶段：
扫描（Scan） -- 系统定期扫描处于"归档"状态的记忆，识别出主题相近、可以合并的记忆群组。比如，20 条关于你写作习惯的零散记忆会被归为一组。
关联（Associate） -- 在每个群组内部，系统分析记忆之间的语义关系：哪些是互补的？哪些是重复的？哪些存在矛盾需要以新的为准？这一步类似人脑在梦中建立记忆之间的关联。
提炼（Distill） -- 系统从关联后的记忆群组中提取核心模式和关键信息，去除冗余和噪声。不是删除细节，而是将分散在多条记忆中的信息浓缩为更精练的表达。
重组（Reorganize） -- 提炼后的信息被重新组织为结构化的知识条目，写入记忆库。原始的零散记忆不会被删除，而是标记为"已整合"，保留在版本历史中供日后追溯。
记忆生命周期（含 Dream 阶段）
在 自动学习与遗忘 中，我们介绍了记忆的五阶段生命周期。加入 Auto Dream 后，完整的生命周期变为：
活跃 → 近期 → 归档 → 💤 Dream → 压缩 → 清理
Dream 阶段插入在归档和压缩之间。当一组归档记忆达到 Dream 条件时，系统会先尝试整合，而不是直接压缩。整合成功后，产出的结构化知识会以"近期"状态重新进入生命周期 -- 因为它是新生成的、有价值的知识，理应获得更高的优先级。
Dream 产出示例
假设你的写作顾问智能体在过去一个月里，从对话中积累了这些零散记忆：
- "用户要求文章开头直入主题，不要铺垫"
- "用户偏好短段落，每段不超过 3 句"
- "用户不喜欢使用被动语态"
- "用户要求标题用动词开头"
- "用户提到目标读者是技术经理"
- "用户希望文末总有行动号召"
- ... 以及另外十几条类似的碎片
经过 Auto Dream 整合后，这些记忆被提炼为一份结构化的写作风格画像：
用户写作风格画像
- 目标读者：技术管理者
- 整体风格：简洁直接，重结论轻铺垫
- 段落结构：短段落（每段 3 句以内），标题使用动词
- 语态偏好：主动语态优先，避免被动表达
- 文章结构：开头直入主题，结尾附行动号召
20 条零散记忆变成了 1 份清晰的画像。信息量没有减少，但检索效率和可用性大幅提升 -- 智能体下次帮你写文章时，只需参考这一份画像，而不是翻阅 20 条便签。
与自我进化的关系
Auto Dream 不仅仅是一种记忆管理手段 -- 它也是智能体 自我进化 的重要养料。
当 Dream 将零散经验整合为结构化知识后，进化机制可以进一步利用这些成果：
- 规则提炼 -- 如果画像中的某个模式足够稳定（比如"用户始终要求短段落"），进化机制可能建议将其提升为一条正式的行为规则
- 技能优化 -- 整合后的知识可以帮助智能体调整现有技能的执行策略
- 矛盾发现 -- Dream 过程中如果发现记忆之间存在矛盾（比如用户早期说"要详细"，后来又说"要简洁"），会标记出来供进化机制处理
可以说，Auto Dream 是进化的"预处理器" -- 它把原始素材加工成半成品，让进化机制可以更高效地将其转化为真正的能力提升。
用户控制
Auto Dream 完全在你的掌控之下。你可以：
| 你想做什么 | 怎么操作 |
|---|---|
| 查看 Dream 日志 | 在记忆管理中切换到"Dream 记录"标签页 |
| 手动触发 Dream | 点击"整理记忆"时选择"深度整合"模式 |
| 保护记忆不被整合 | 将记忆标记为"固定"（Pin），固定的记忆不参与 Dream |
| 调整 Dream 周期 | 在设置中修改自动整合的触发频率 |
| 回溯原始记忆 | 在 Dream 产出的知识条目中点击"查看来源"，展开所有原始记忆 |
Auto Dream 不会删除任何原始记忆。即使你对整合结果不满意，也可以随时查看和恢复原始的零散记忆。