L3 长期画像：Persona 的生成与维护

本期拆解金字塔尖：L3 如何从场景档案里提炼出"这个用户/团队是谁"的稳定画像，以及它为什么是四层里唯一"无条件注入"的一层。

官方仓库：https://github.com/TencentCloud/TencentDB-Agent-Memory 代码版本：2.0.0-beta.1

一、L3 的定位

官方定义：

L3 Core / Persona：长期画像、稳定模式与高层认知 —— 用于让 Agent 迅速进入用户和团队语境。

L3 是记忆金字塔的塔尖：它不落在某一次对话上，描述的是稳定特征——用户的工作风格、偏好、约束、团队规范、高层认知。它是四层里唯一每次新会话无条件注入的一层。

也正因为如此，它必须足够短、足够稳定——它占的是每一轮对话的固定成本。

核心实现文件是 persona-generator.ts，官方架构文档的描述是：

L3：core/persona/persona-generator.ts —— 四层深扫模型（four-layer deep scan）：以 scene_index + 场景内容为输入，CleanContextRunner 生成/更新画像。

二、生成流程（7 步）

① 读取现有画像（persona.md，剥离导航）
② 检测变化场景（updated > checkpoint.last_persona_time）
③ 读取变化场景全文（预加载进 Prompt）
④ 模式判定：existingPersona ? incremental : first
⑤ 备份 persona.md + LLM 沙箱生成（workspaceDir=dataDir，超时 180s）
⑥ 后处理：剥离 LLM 多加的导航 + escapeXmlTags（XML 转义，防注入）
⑦ 追加最新场景导航 + 推进 checkpoint（markPersonaGenerated）

变化检测（增量优先）

L3 不会每次全量重算，而是只处理自上次生成以来变化过的场景：

• checkpoint.last_persona_time 记录上次生成时间；
• scene_index 里 updated 晚于该时间戳的场景视为"变化场景"，全文预加载进 Prompt；
• 没有变化场景且画像已存在 → 直接跳过本次生成（省一次 LLM 调用）；
• 保守策略：日期解析失败视为变化。

首次 vs 增量

• first（首次）：没有现有画像，从全部场景生成完整画像；
• incremental（增量）：已有画像，重点分析自上次以来的新增 / 修改内容，刷新画像。

一个有趣的细节：promptMode = "code" 时，L3 的产物不是 “persona”（用户画像）而是 “team operating doctrine”（团队运营规约）——面向代码 Agent 团队时，它沉淀的是团队的工作方式与规范，而不只是个人偏好。

安全注入（后处理）

画像最终会被注入 system prompt，所以注入前必须消毒：

1. 剥离 LLM 可能自行添加的场景导航块（导航由系统统一生成）；
2. escapeXmlTags 转义 XML 标签，防止画像内容里的 <...> 破坏提示词结构；
3. 空画像按失败处理（不写入，不污染导航）。

checkpoint 推进

成功生成后 markPersonaGenerated 推进 checkpoint，供下一轮变化检测使用——checkpoint 是 L3 增量的"水位线"。

三、persona.md 的形态

# 用户画像 / 团队规约

（LLM 生成的长期画像正文：
 工作风格、偏好、约束、
 稳定模式、高层认知…）

---

## 🗂 场景导航
- [鉴权模块重构](scene.md)
- [每日英语学习](english.md)

• 正文：LLM 生成；
• 导航：系统生成（generateSceneNavigation），LLM 不参与——L2 抽取后也会更新这段导航（见第 4 期）。

四、触发方式与同步

触发

1. 定时 / 事件：L2 完成后由服务层调度（如 L3 timer 到期）；
2. 信号驱动：L2 抽取时 LLM 发出 [PERSONA_UPDATE_REQUEST] 信号（原因写入 checkpoint），触发 L3 生成——这是"场景维护 Agent"主动报告"有值得沉淀到画像的内容"。

存储

• 权威存储：persona.md，全实例一份；
• 同步副本：profiles 表，供 TCVDB 等远端后端拉取（ProfileRecord 同步，见 profile-sync.ts）。

召回注入

召回时 L3 被无条件读取并放入 appendSystemContext（system prompt 尾部）——它是稳定内容，配合 Anthropic / OpenAI 的提示词缓存，几乎零增量成本。

五、自定义 Prompt 与生成溯源（官方 v2.0 能力）

官方 MemoryCore README 介绍了两个配套能力：

自定义 Memory Prompt：支持 L1/L2/L3 Prompt CRUD 和 Agent、Team、Instance 绑定，按 Agent > Team > Instance > 系统内置 解析生效策略；自定义内容只能调整记忆关注点和归纳策略，不能修改固定输出协议。

生成溯源：记录 L1/L2/L3 实际使用的 Prompt ID、版本、来源、内容哈希以及输入输出引用……不保存 Prompt 正文快照。

对 L3 的意义：

• 不同 Agent / 团队可以用不同关注点生成画像（例如"重点提取架构决策、兼容性约束"）；
• 每条画像生成记录都可溯源：用哪个 Prompt、哪个版本、基于哪些场景、哪个模型。

六、本期小结

• L3 是四层唯一无条件注入的层，内容必须稳定、精炼。
• 生成机制：四层深扫模型 + 增量优先（只处理变化场景）+ 首次 / 增量双模式。
• 安全：XML 转义防注入、导航系统生成、空画像拒绝写入。
• checkpoint 是增量水位线；profiles 表是同步副本、persona.md 是权威。
• 自定义 Prompt 可按 Agent / Team / Instance 生效，但固定输出协议不可改。

下一期看最关键的一环——这些记忆在每一轮对话里是如何被取回来、注入到 Agent 上下文的：召回与注入。

图示索引

• 图示：L3 长期画像：Persona 的生成与维护（在新窗口打开完整图示）

源码索引