StrataGate-AgentMemory

长运行的 AI Agent 最大的记忆难题不是"存得下"，而是"记得对、查得准、用得完"。只留摘要会丢掉日期和原始措辞，相似度搜索可能把相邻事件混在一起，频繁召回的内容还会自我强化、越查越偏。StrataGate 围绕这四个问题重新设计了长期记忆：每条记忆都保留 L5 原始消息作为最终依据，旧记忆自动退化为轻量索引；事件卡区分"被提及的时间"和"实际发生的时间"，保留来源块与状态；检索后再经过一道证据门，判断当前召回是否真正充分，不够就换策略或回溯原文，而不是硬凑答案。

技术路线上，StrataGate 不依赖向量检索，而是用确定性 BM25 加结构化字段排序做召回，再用 reciprocal-rank fusion 合并多路结果。事件可以进一步投影为当前状态图，描述人物、项目、工具、地点的"现在是什么"，且每条派生事实都必须引用产生它的事件，状态更新只关闭旧派生而不改写原始事件。强化机制也很克制：一次检索命中不会增加记忆权重，只有最终答案确实引用了的那条记忆才获得长期加分，从根本上避免了检索自循环。

数据上，在 LoCoMo conv-26（419 条消息、152 题）上，StrataGate 十次独立评测平均准确率 80.46%，对比 Mem0 基线 63.22%，其中时间类问题差距最大，达到 +40.27 个百分点。整个方案以本地 SQLite 存储，无需独立记忆服务，安装为 DeepSeek Harness 插件后即可自动捕获对话、后台建索引，并通过内置 Memory UI 查看和管理记忆。适合需要跨会话长期记忆、追求可追溯与可验证、且希望本地优先的 Agent 开发者和高级用户。