---

---

为什么选择 StrataGate？

1. 短期记忆：随对话推进逐渐模糊，需要时重新展开。

   (1) 近期详细，远期简略。 同一段对话保存为 L0–L5 六种详细程度的视图。随着后续对话积累，较早的记忆逐渐从完整对话变为关键事实、简短摘要和标题索引，减少历史内容对上下文的占用。→ 分层记忆

   (2) 展示变简，原始记录保留。 完整的 L5 原始消息与工具记录始终保存。需要核对细节时，Agent 可以按需展开，找回当时的原话和上下文。→ 分层记忆

   

2. 长期记忆：事件保留历史，图谱整理现状，主题目录帮助查找。

   (1) 事件记录“发生过什么”。 对话中的重要决定、偏好、要求和变化会被提取为 Event，保留来源，并区分“什么时候提到”和“什么时候发生”，供后续会话查找和追溯。→ 事件卡

   (2) 知识图谱表达“当前是什么状态”。 根据历史事件，整理人物、项目、组织、工具和地点的当前信息及关系。新事件可以补充或取代旧状态，历史事件及其来源仍然保留。→ 当前状态图谱

   (3) 主题目录说明“记过哪些内容”。 相关事件按长期主题整理为章节和小节。Agent 可以先查看目录，再按需展开主题概览，了解背景、决定、变化和待确认事项，并沿来源查找具体事件。→ 记忆目录与主题概览

   (4) 长期权重也会衰减。 随着对话推进，未被采用的记忆权重逐渐降低，影响检索与自动召回时的优先级；衰减后的记忆仍保留来源，可继续查证。→ 权重与采用强化

   (5) 支持迁移其他 AI 的记忆。 导入内容可以转换为可追溯的事件，并用于更新知识图谱；原始导入内容仍会保留。→ 外部记忆导入

3. 证据门：回答前先检查检索到的证据是否够用。

   主题概览帮助定位内容，实际回答需要核对来源事件或原始记录。搜索结果相关，不代表足以回答当前问题。Agent 会判断证据是否充分；不足时继续搜索或展开，仍无法确认时明确说明不确定性。→ 证据门

4. 检索命中不会自动强化记忆。

   搜索命中、自动带入上下文和浏览主题目录都不会触发强化。在检索后的采用流程中，被记录为最终答案实际采用的 Event 才会增加采用计数、更新衰减起点；采用越多，之后衰减越慢。主动保存记忆时，确认重复的信息也可强化已有记录。→ 权重与采用强化

开始使用：→ 快速开始

快速开始：DeepSeek Harness

如果已经安装 DeepSeek Harness，请将 StrataGate 添加到你正在使用的 profile：

dsh plugin --profile web add stratagate-dsh

支持整个 DSH 0.2.0 版本族：全部 Alpha、Beta、RC 和正式版（>=0.2.0-0 <0.2.1-0），同时保留此前支持的宿主版本。同属 0.2.0 的新版本无需因版本声明而等待插件更新。

重启该 profile，之后照常使用 DSH 即可。StrataGate 会自动记录主 Agent 已完成的对话，在后台生成可搜索的记忆，并在 DSH 设置 → StrataGate-AgentMemory 中提供记忆界面。

数据库默认保存在：

DSH_HOME/stratagate/memory.db

移除插件不会删除数据库。截图、配置项、记忆工具和自动记录规则见 DeepSeek Harness 插件中文说明。

上面的命令使用 web profile；如果使用其他 profile，请替换 web。开发者可直接查看开发与文档。

它如何工作

图中展示的是答案采用后的 Event 强化流程；主动保存重复信息也可强化已有 Event。Block 展开改变的是展示层，目录与概览本身不作为强化证据。常驻画像单独提供，见常驻画像说明。

1. 保存对话。 若干轮连续对话组成一个记忆块（Block），保存为从索引到原文的六种视图。旧 Block 默认展示的内容随对话推进逐渐变简，需要细节时可以重新展开。
2. 整理长期信息。 有后续用途的事实、决定、偏好和要求被提取为事件（Event），保留时间、适用范围与来源。知识图谱据此整理当前状态，主题目录与概览把相关事件组织为章节和小节。
3. 回答时找回。 插件默认提供当前对话、已设置的常驻画像、少量相关记忆和简短主题目录。信息不足时，Agent 可直接搜索事件、图谱或原文，也可先浏览目录、展开概览，再查找来源事件。
4. 检查证据并记录采用。 Agent 判断显式检索到的证据是否足以回答；不足时继续检索或展开，充分时据此回答，并记录实际采用的 Event，用于更新长期权重。

自动召回最多带入 4 条 Event 和 4 个图谱节点，预算约 900 tokens；主题目录另有约 400 tokens 的预算，内容较多时提供分类和分页入口。常驻画像、分层 Block 和尚未封存的对话分别提供，不包含在上述两项预算中。

目录和概览在后台用已有事件分批整理。读取已有目录或概览本身不调用模型、不生成证据批次，也不强化记忆。→ 记忆目录与主题概览

核心设计

机制	变化的内容	保留的内容
短期记忆简化	旧 Block 默认使用哪个 L0–L5 视图	L5 原始对话与工具记录
长期权重衰减	Event 在后续召回中的优先级	Event 历史及其来源

两者都随对话进度变化：短期按就绪 Block 距离计算，长期按对话轮次计算。放置几天本身不会触发这两种衰减。

1. 短期记忆：随对话推进逐渐简化，需要时重新展开

近期讨论通常需要保留完整细节，较早的对话则可以先以简短形式留在上下文中。StrataGate 为同一段对话保存多种详细程度的视图，并随着后续对话积累，逐渐减少旧对话默认呈现的内容。

同一段对话，保存为六种详细程度。

DeepSeek Harness 插件默认每 6 轮完整对话封存一个 Block，一轮指一次用户提问和助手的完整回复。封块大小可以配置；核心库默认值为 12 轮。尚未达到边界的内容继续保留在当前对话中。

每个完成处理的 Block 包含以下视图：

层级	保存的内容	主要用途
L0	标题和标签	用最少内容标识这段历史
L1	简短摘要	快速了解讨论主题
L2	关键事实	查看决定、约束、计划和结果
L3	确定性精简对话	删除固定白名单中的独立寒暄或确认；重复的长段落与代码只保留第一次；工具调用保留名称和结果摘要
L4	去除内部记录的近原文对话	过滤 system 消息；用户和助手正文只裁剪首尾空白并添加角色标签；可识别的工具记录保留名称和结果摘要
L5	原始消息与工具记录	查证来源及具体细节

L0–L2 由模型概括；L3/L4 由固定规则生成：L3 删除独立寒暄和重复长文本，L4 则尽量保留原话；两者都会精简可识别的工具记录。具体规则见下方。短期衰减按后续就绪 Block 的数量推进，不按现实中经过的天数计算。

具体精简规则、衰减公式与层级阈值

L0–L2 由模型概括生成；L3、L4 不调用模型改写，而是由程序按以下固定规则生成：

• L4： 删除 system 消息；用户和助手正文只裁剪首尾空白并添加 User、Assistant 等角色标签。对于能够识别的结构化工具记录，只保留工具名称和最长 160 字符的结果摘要，省略原始 arguments、params、input 和 request；无法识别为工具 JSON 的 tool 正文保持原样。
• L3： 在不改写语义的前提下进一步精简。只有当整句去掉末尾标点后命中固定白名单时，才删除 ok、thanks、好的、明白、收到、谢谢、可以 等独立寒暄或确认。程序把连续空白合并并忽略大小写后，对代码型段落或至少 80 字符的长段落去重：第一次保留原文，之后的完全重复内容替换为省略标记。工具记录采用与 L4 相同的名称和结果摘要形式。
• 长度保护： 如果生成的 L4 比 L5 更长，就直接使用 L5；如果 L3 比 L4 更长，就直接使用 L4，确保 L3 ≤ L4 ≤ L5。

原始记录先保存，摘要和事件处理随后进行。只有处理完成、进入就绪状态的 Block，才会替换对应的原生历史并参与衰减。

后续对话越多，旧 Block 默认展示得越简略。

Block 的展示变化由指数衰减控制：

w_block(age) = e^{−λ_block · age}

其中，衰减系数 λ_block 默认取 0.30，程序根据权重区间选择当前展示层级。系数越小，详细内容保留得越久，相应占用的上下文也越多。

公式中的 age 按当前展示锚点与同一会话最新就绪 Block 之间的距离计算。它衡量的是对话积累的进度，不是现实中经过的天数。尚未封存的对话，以及仍在等待模型处理的 Block，都不会推动这项衰减。

例如，一个从 L5 开始、期间没有重新展开的 Block，在默认参数下会经历：

后续新增的就绪 Block 数量	默认展示层
0–1	L5
2	L4
3–4	L3
5–6	L2
7–8	L1
9 及以上	L0

图中的层级变化用于展示趋势，实际变化由衰减参数和层级阈值共同决定，并非每新增一个 Block 就下降一级。

需要细节时，可以重新展开。

假设某段旧对话目前只显示：

讨论了项目技术方案与近期计划。

用户追问“当初为什么选择 pnpm”，Agent 可以展开关键事实、精简对话或完整原始记录，找到当时的原因。

展开既可以逐级进行，也可以直接指定更详细的层级。展开后，系统会以此次选定的层级和当前 Block 位置重新设置衰减起点；随着后续对话继续积累，它再逐渐变简。

因此，旧对话日常可以保持轻量，需要时仍能恢复细节。L0–L4 都是原始记录的派生视图，不会覆盖 L5。

2. 长期记忆：事件保留历史，图谱整理现状，主题目录帮助查找

短期记忆保留讨论上下文，长期记忆把有后续用途的信息整理出来。下面用项目从 npm 改用 pnpm 的示例，说明三种视图如何分工：

Event 记录发生过什么，Graph 整理当前状态，Topic 提供主题脉络和查找入口。 Graph 和 Topic 都从已有 Event 派生；具体结论仍需核对来源事件或原始记录。图中数据仅为示例。

事件记录发生过什么，并保留时间和来源。

同一个 Block 可以产生多条 Event，也可以没有需要提取的信息。每条事件保留内容、适用范围、来源 Block 和消息，以及能够确定的时间信息。

时间	表示什么
提及时间	这件事什么时候在对话中被说到
发生时间	事情实际发生或计划发生的时间

例如，用户在 5 月 6 日说“下周完成原型”，5 月 6 日是提及时间，“下周”描述的是计划完成时间。这条记录应保留计划性质，不能当作“原型已经完成”的证据。无法确定的时间保留原始表达和不确定性。

新版提取规则更重视有后续用途的用户信息。

用户的明确要求、纠正、评价和改变决定，只要具有独立用途，就可以成为事件候选；普通的读文件、运行工具和重复测试不会仅因发生过就逐项记录。已经确认的根因、平台限制、失败条件和重要结果仍可保留。

提取时需要明确适用范围：单次答复要求保留在会话范围，项目要求属于项目，稳定的用户信息或明确的长期指导才使用用户范围。例如，“这张图的箭头要对齐”不能自动扩大成永久审美偏好。范围缺失或不合法时，程序会有限重试，仍无法得到合法结果就不写入该次提取结果。

新规则用于升级后的正常提取，不会重放旧对话或统一改写已有事件。具体判断规则见事件提取说明。

新事件补充、取代或标记冲突，历史仍可追溯。

项目先决定“使用 npm”，后来改为“使用 pnpm”，旧决定保留为历史，新事件更新当前选择。“迁移后的 CI 待验证”则补充一项待确认事项，不改变包管理器。如果两种说法互相矛盾、又无法确定哪条有效，就保留冲突供后续核实。

新事件不会覆盖旧事件的内容和来源，其有效状态和关系可以随新证据更新，便于回答“以前是什么样，后来发生了什么变化”。

知识图谱根据事件整理当前信息和关系。

图谱用节点表示人物、项目、组织、工具和地点，用关系表示“使用”“参与”“依赖”等联系，属性和关系都保留来源 Event。在上述例子中：

• 问“项目现在用什么”，可以先查当前图谱；
• 问“什么时候改的”，可以查变更事件；
• 问“为什么改”，可以展开事件并回查原始讨论。

图谱中的状态必须有来源支持。图中的“使用 pnpm”来自 Event ②，“CI 待验证”来自 Event ③；待验证不能当作已通过。只有新证据确认结果后，才更新相应状态。图谱更新失败时可以单独重试，已保存的事件和原文仍可查找。

主题目录帮助 Agent 知道有哪些记忆，再找到具体来源。

知道关键词时，可以直接检索；只记得大概聊过某件事时，可以先看目录。一个 Topic 对应长期章节，例如图中的“项目 X”；章内小节容纳持续相关的事项，例如“依赖与构建”。具体版本、bug 和处理进度放在小节内部，避免每次变化都新建章节。

目录提供主题名称和入口，按需展开的概览整理背景、进展、决定、变化和待确认问题，并保留事件来源。同名内容归入同一节，新增内容时尽量保持已有章节和小节的编号稳定。

例如，用户问“之前项目技术方案讨论到哪了”，Agent 可以先找到相应主题，查看概览，再检索来源事件，核对已经确定的方案、后续变更和待决定问题。

概览用于导航，回答依据仍需从来源取得。 浏览目录和概览不产生证据批次、不强化记忆；需要引用事实时，再检索事件或展开来源，并完成证据检查。目录未整理好时，普通事件、图谱和原文检索仍可使用。

工具与后台整理细节见记忆目录与主题整合。

常驻画像、长期事件和当前要求分别保存。

用户表达	保存位置	什么时候使用
“以后默认用中文回答”	常驻画像 Profile	设置后跨会话自动提供
“这个项目已经改用 pnpm”	长期事件 Event	在相关问题中召回或检索
“这次回答简短一点”	当前对话	用于本次回答，无需写入长期记忆

“记住”一词本身不决定保存位置。明确的画像更新请求可以直接应用；由 Agent 推断的画像变化需要先说明拟修改的字段与内容，并取得用户同意。适合在相关情境中想起的信息，也可以通过主动记忆工具保存，不必等待对话封块。

地点画像区分默认地点、常驻城市和当前城市。例如，常住哈尔滨、目前出差北京时，问天气会优先使用本次明确指定的地点；没有指定时参考当前城市，再参考默认地点。出差不会自动覆盖常驻城市，当前城市跨会话保留到用户修改或清空。使用说明见插件指南。

3. 证据门：检查检索结果是否足以回答当前问题

找到相关记忆后，Agent 还需要判断它是否支持当前答案：证据够不够，还缺什么，应该直接回答还是继续查找。检索排序和记忆权重都不能当作事实正确率。

例如，用户问“为什么当初改用了 pnpm”：

步骤	找到的内容	应如何处理
找到主题	“项目技术选型”的概览提到换了包管理器	沿来源查找具体事件
检索事件	“项目已从 npm 改为 pnpm”	只能确认变更，原因仍缺失，继续展开
核对原文	示例原话：“安装更快，也更适合我们的多包结构”	核对适用项目和时间后，按这段证据解释原因

这里的原话是演示用例。若来源没有说明原因，Agent 应明确无法确认，不能根据 pnpm 的一般优点推测当时的决定。

证据是否充分由模型判断，程序检查来源引用和检索流程。主题概览只提供导航线索；实际采用仍需来自经过检查的检索证据。已有上下文足以回答时，不必为了流程额外搜索。

显式检索批次在最终回答前需要完成证据评估和采用记录；未使用的批次也要记录为空采用。遗漏时，插件会先要求完成收尾，再生成完整的用户答案，避免以内部状态说明结束回复。模型仍可能误判证据，无法核实时应保留不确定性。

证据评估字段与流程检查

评估项	需要说明的内容
verdict	证据充分、部分充分，还是与问题不符
evidence_refs	哪些检索结果支持当前判断
fit	证据与问题具体匹配在哪里
missing	还缺少哪些信息
next_strategy	直接回答，还是继续搜索或展开

引用必须来自指定检索批次；接受 sufficient 时，需要有效证据引用，并明确选择回答。采用记录只包含实际用于答案的证据，没有采用则提交空列表。接口说明见插件指南。

4. 检索命中不会自动强化记忆：采用越多，之后衰减越慢

长期记忆也会随对话推进而衰减。这里变化的是 Event 的权重，它参与后续召回和排序；与短期 Block 不同，Event 不会因此逐级切换 L0–L5 展示层。

未被用于答案的 Event 权重随对话轮次逐渐降低，可能影响后续召回的排序，但历史记录仍然保留。

被搜索到，不会触发强化。

检索命中只说明一条记忆可能相关。系统可以记录它何时被检索，但不会因此增加采用计数，也不会重置衰减起点。

自动带入上下文、浏览主题目录和展开概览，同样不会因为内容被展示而强化记忆。这样可以避免某条记忆仅因偶然排在前面，就通过反复出现不断提高自身权重。

检索后的实际采用会更新权重。

Agent 确定用于最终回答的证据后，会提交采用回执。通过检查的 Event 增加采用计数，并把衰减起点更新到当前轮次。对于未被额外限制权重的普通活跃事件，此时权重回到 1。

随着采用计数增加，公式中的衰减系数变小，同样经过一段对话后，它能保留更高的权重。因此，反复帮助回答的记忆会逐渐衰减得更慢。

采用依据来自 Agent 提交的证据选择。程序检查证据是否属于对应批次、是否经过充分性评估，并通过回执避免同一次操作被重复执行；没有使用的检索结果不获得这次强化。

主动保存重复信息，也可以强化已有记录。

使用 memory_remember 主动保存信息时，程序确认与已有主动记忆完全或近似重复，可强化已有事件，而无需再创建一张重复卡片。这属于写入时的重复处理，与搜索命中不同。

不同重要程度的记忆，可以保留不同的最低权重。

记忆类别	默认最低权重
普通信息	0
用户偏好	0.3
身份信息	0.9
安全信息	1.0

此外，置顶记忆的有效权重保持为 1；被取代的事件通常设置较低的权重上限，避免旧状态持续占据较高优先级。

这些权重表达的是记忆管理策略，不能当作事实正确率。权重较高的信息仍需要结合当前问题、最新状态和原始来源进行判断。

长期权重公式与计数含义

新事件具有初始权重，未被采用时逐渐衰减。

长期 Event 的基础权重函数为：

w(t,n) = max(floor, e^−λ(n)t)

λ(n) = 0.15 / (1 + 1.5 ln(n))

其中：

• t 是当前轮次与最近一次强化锚点的差，新事件从创建时开始计算；
• n 是内部计数，初始化为 1；答案采用或主动记忆重复确认时增加，单纯检索不增加；
• floor 是根据记忆重要程度设置的最低权重。

长期权重衰减同样按对话轮次计算，而不是按现实时间计算。较低的权重可能降低一条记忆在后续召回中的优先级，但不会因衰减而删除它的历史记录。

外部 AI 记忆迁移

可以导入其他 AI 导出的记忆总结。StrataGate 将重要信息整理为 Event，与已有记忆比较，并保留原始导入内容供追溯。

DSH 管理界面提供导入预览：重复内容可以忽略，变化可以新增、合并或取代旧状态，不确定的关系可以标为冲突。低置信度项可人工选择处理方式，提交后可按批次撤销。旧事件及其来源仍会保留。

导出格式、提示词与接入示例见外部记忆导入说明。

一次真实的检索

LoCoMo 中有一道题询问 Caroline 在什么时候进行了学校演讲。检索过程是：

1. 搜索事件，找到“学校演讲”事件卡，但没有具体日期。
2. Agent 判断证据部分充分，指出缺少发生日期，继续检索原始消息。
3. 找到 2023-06-09 的消息，其中写着“last week”。
4. 结合消息时间理解“上周”，得到足够的时间依据后回答。

事件卡帮助定位，原始消息和时间戳帮助核对；证据门要求 Agent 识别缺口，继续查证。

评测结果与边界

仓库公开的 R8 对比评测使用 LoCoMo 中的 conv-26 对话样本，包含 419 条消息、35 个会话和 152 道问题，覆盖 category 1–4。

以下成绩对应公开的 R8 实验配置，不是 0.3.0 主题目录或 0.3.2 新版事件提取的专项评测。 不能据此推断这些更新的准确率、成本变化或独立收益。

两个系统分别生成答案，再对每道题的答案进行 10 次独立 Judge 评审。这里的十次指评审重复次数，不代表十次完整系统运行。

指标	StrataGate	Mem0 base	差值
10 次评审平均准确率	80.46%	63.22%	+17.24 个百分点
多数票正确	121 / 152（79.61%）	96 / 152（63.16%）	+25 题
时间类问题（Temporal）	74.86%	34.59%	+40.27 个百分点
单跳问题（Single-hop）	89.29%	75.14%	+14.14 个百分点
多跳问题（Multi-hop）	66.56%	61.56%	+5.00 个百分点
开放域问题（Open-domain）	83.08%	84.62%	-1.54 个百分点

两边使用相同的问题、顺序、答案模型、Judge 模型、评审提示词、解析器和评审次数，并分别重新构建记忆。记忆抽取、检索实现、embedding 使用方式和回答上下文存在差异，因此这里比较的是两套完整系统配置。

这组结果仅覆盖 conv-26，不代表完整 LoCoMo 成绩，也不能单独证明短期记忆衰减、知识图谱或证据门中某一项机制带来的收益。各组件的独立作用仍需通过消融实验检验。

完整协议、逐题结果及评审波动见 评测文档，汇总数据见 机器可读评测结果。

上述 R8 评测中，仍有 31 道题被多数评审判为错误。按可观察到的失败阶段划分：

失败阶段	题数	反映的问题
未发起检索，直接回答错误	15	Agent 有时未意识到需要查找历史证据
证据被判为充分，最终答案仍然错误	14	证据可能属于相邻事件，或不足以支持完整答案
达到检索预算时，证据仍不充分	2	在给定预算内没有找到足够的信息

这些结果说明，在该评测范围内，仍需改进何时发起检索，以及如何判断证据是否真正回答了问题。证据门能够约束引用和评估流程，但不能保证模型的语义判断或最终答案一定正确。

R1–R8 的设计演变、逐题分析与后续验证方向见完整评测。

使用范围与成本

记忆空间决定哪些对话共享记忆。 DSH 默认按项目工作目录隔离；也可按会话隔离，或使用全局共享空间。主题目录只展示当前空间内可见的事件，常驻画像则跨会话、跨记忆空间提供。配置方式见插件指南。

回答时的上下文预算，不等于全部模型开销。 自动召回和主题目录各有预算，常驻画像、分层 Block、当前未封存对话及后续主动检索另行提供。900 tokens 和 400 tokens 分别是相关记忆与目录的预算，不能相加后当作整个请求的固定大小。

环节	是否调用模型	成本来自哪里
后台摘要、事件提取、图谱、主题与画像整理	会	对话、事件或画像输入、生成结果，以及有限重试
读取已有目录、概览或搜索已有记录	读取本身不调用模型	结果带入后续模型上下文时仍占 tokens
Agent 判断证据并生成答案	会	当前上下文、取回的证据和答案生成

分层视图减少的是回答时默认带入的历史内容。后台处理工具密集型对话时，会精简代码和过长工具记录的模型输入；完整记录仍保留在 L5。总费用需要结合后台处理、检索和回答的实际用量评估，不能由上下文变短直接推断。

升级后，历史目录逐步形成。 已有事件在后台分批整理，目录可能暂时不完整；新增或变化的事件优先处理。失败或待整理的内容仍有事件入口，普通检索继续可用。历史整理有全库共享额度、有限重试和重启恢复，不承诺固定金额；额度与恢复细节见主题整理说明。

目录与概览可根据有效来源重建。来源被修改、遗忘或归档后，过期派生内容先隐藏，再后台重建。新版事件提取规则用于后续正常提取，不统一重写旧事件。功能测试检查这些流程与约束，实际提取、归类和证据判断仍取决于模型。

开发与文档

本节面向开发者。直接使用 DeepSeek Harness 插件的用户，可以按照 快速开始安装，无需自行构建仓库。

开发环境需要：

• Node.js 22.19.0 及以上的 22.x 版本，或 24.0.0 及以上版本；
• 对应的版本声明为 ^22.19.0 || >=24.0.0。

检出仓库后，在仓库根目录运行：

npm install
npm run check
npm test
npm run build

资源	内容
DeepSeek Harness 使用说明	安装、配置、界面、记忆工具和恢复机制
记忆目录与主题概览	章节与小节、来源追溯、后台整理、预算和恢复
事件提取规则	提取判断、适用范围、重复与历史关系，以及兼容边界
架构文档	分层规则、事件与图谱、检索、证据门、权重、存储和核心 API
外部记忆导入	导出格式、导入流程和接入示例
完整评测	实验协议、版本演变、失败分析和结果范围
评测汇总数据	已公开运行的结果、统计和产物信息
核心引擎示例	最小 API 接入示例

核心实现位于 packages/core/，DSH 适配层位于 src/。分层规则见 blocks.ts，长期权重见 weights.ts。

核心 API 接入、持久化及采用回执的幂等处理见架构说明，最小用法见核心引擎示例。

参与贡献

欢迎各种形式的贡献：修复问题、完善文档、增加集成，或探索更好的记忆与检索方案都可以。

请先阅读 CONTRIBUTING.zh-CN.md，其中包含 monorepo 开发环境、检查与测试命令、适合参与的方向，以及提交 Pull Request 的建议。如果还不确定一个想法是否适合项目，建议先创建 Issue，再投入较大的改动。

贡献者

许可证

StrataGate 使用 MIT License。