记忆沉淀管线：从对话到 L0

记忆沉淀管线：对话 → L0 → L1 → L2 → L3

Agent 对话在转发时被旁路记录为 L0；定时扫描器发现新对话后投递任务，异步 Worker 逐层提炼原子记忆、场景档案与长期画像。

写路径 · 沉淀

阶段 1 · 旁路记录

Agent 对话

Proxy 拦截 / SDK addConversation

base URL 指向 Proxy，协议不变、零代码接入；对话在转发上游 LLM 时被旁路记录。

阶段 2 · L0 落盘

L0 Recorder

core/conversation/l0-recorder.ts

位置切片 + 时间戳游标做增量捕获；清洗注入标签、剥离代码块；JSONL 与 l0_conversations 表双写。

定时扫描（默认 2s）

阶段 3 · 任务调度

Timer Scanner

services/timer-scanner.ts

扫描 16 个分片 ZSET，Lua 原子认领到期 Timer，投递到任务队列（scheme D 无主模式，所有 Pod 都扫）。

阶段 4 · 竞争消费

Pipeline Worker

services/pipeline-worker.ts

60 并发协程竞争消费；分布式锁（30s 续约）+ 指数退避重试 + 死信队列；L1 完成后级联推进 L2。

LLM 逐层提炼

L1 · 原子记忆

Atom Extractor

core/record/l1-extractor.ts

单次 LLM 调用（JSON 结构化输出）：场景分段 + 记忆抽取一次完成；随后向量召回候选做批量冲突检测（store / update / merge / drop）。

L2 · 场景档案

Scene Extractor

core/scene/scene-extractor.ts

LLM 作为沙箱 Agent（工具模式），工作目录锁死 scene_blocks/，只允许读写 .md 场景文件；备份 / 软删除 / 索引同步。

L3 · 长期画像

Persona Generator

core/persona/persona-generator.ts

四层深扫模型：以 scene_index + 场景内容为输入，增量或首次模式生成 / 更新 persona.md，并推进 checkpoint。

可选 · 技能沉淀

Skill Extractor

skill-extractor.ts + skill-tools.ts

LLM 工具调用从对话 / 工具调用中提炼可复用 Skill（带版本、资源、触发边界）。

接入 / 调度 L1 Atom L2 Scenario L3 Persona Skill

来源：docs/项目架构与定制开发指南.md「写入主流程」+ MemoryCore/src/services 源码。L2/L3 文件是权威存储，store 中的 profiles 表是供远端后端（如 TCVDB）拉取的同步副本。