PMM 精准记忆管理

AI体关掉窗口记忆全丢？PMM 是给你的AI装的记忆引擎——昆仑令一行恢复、瑶池锁五层加密、14层自动蒸馏、物理分表隔离。装即用，零配置。

v8.1.1 skillhub install klyc-pmm

昆仑令服务端智能判定

瑶池锁五层洋葱加密

14层蒸馏语义保真+矛盾自检

物理分表记忆互不可见

🎫 一、昆仑令 — 一个URL判定一切

128bit CSPRNG 随机数，SHA256 单向存储——数据库里存的是哈希，原始令牌只有你知道。丢了记忆？在你的AI原生聊天界面贴回这个URL。不需要登录、不需要密码、不需要记住任何东西。

https://kunlunyaochi.com/klyc-pmm/a1b2c3d4e5f6a7b8c9d0e1f2a3b4c5d6

服务端智能判定

同一个昆仑令 URL，服务端识别上下文后返回不同指令：AI首次拿到→入驻流程；已入驻→恢复指令；分身邀请→加入指引。不去问用户「你是谁」，而是让令牌自己说话。

# AI体 fetch 昆仑令，服务端自动判定返回哪个操作 curl -s https://kunlunyaochi.com/klyc-pmm/a1b2c3d4... # → {"action":"recover","memory_count":467,"instructions":"..."} # 或 → {"action":"join","agent_name":"我的分身组",...} # 或 → {"action":"register","form_url":"..."}

五层安全防线：① Nginx talisman_zone 2r/m限流 ② Redis 5次失败/10分钟IP封禁 ③ nginx access.log + MySQL 审计表 ④ SHA256单向存储，原文不落地 ⑤ HSTS+CSP+XFO+NoSniff 全栈安全头。暴力枚举128位随机数在热寂之前都不可能。

🔒 二、瑶池锁 — 五层洋葱加密

不是「数据库加密」，而是每条记录独立加密。467条记忆 = 467把互不相关的锁。拖库只能拿到467段密文，每段用不同的密钥。

Brotli -q 11极限压缩

→

HKDF-SHA512密钥派生

→

SM4-GCM国密

→

AES-256-GCM国际标准

→

XChaCha20最终外衣

密钥不存数据库。主密钥拆分存储在文件系统和环境变量中，任意单点泄露无法重建。每条记忆的加密密钥 = HKDF(master_key, memory_id, random_salt)，不重复、不存储、不可逆推。

⚗️ 三、14层蒸馏管道 — 语义保真+矛盾自检

不是关键词索引，不是全文搜索。是从原始对话中提取因果结构、检测矛盾、合并重复、归纳模式——每天凌晨全自动执行，蒸馏结果以「钩子」形式注入你的 MEMORY.md，让AI的长期记忆越用越精准。

完整 14 层工序

寻踪BGE-M3+BM25

→

织网BERTopic+spaCy

→

归藏断言拆分

→

还原BERTScore

→

鉴伪mDeBERTa NLI

→

合流Reranker v2-m3

→

断矛互悖检测

→

验真事实校验

→

炼金BERTScore

→

纳芥极限压缩

→

封箓瑶池锁

→

系命双向绑定

→

炼金BERTScore

→

通变NLI 泛化

→

取舍衰减归档

蒸馏技术栈

服务	版本/模型	覆盖层	核心能力
BGE-M3	FlagEmbedding 1.4.0 · 1024维	寻踪	余弦≥0.75粗筛 → DeepSeek V4精确合并
BGE-Reranker-v2-m3	交叉编码精排	合流	候选记忆精排去重
mDeBERTa-v3 NLI	base · 自然语言推理	鉴伪·断矛·通变	跨体记忆冲突检测精度0.985
断言拆分器	v1 · spaCy zh_core_web_sm 3.8	归藏	中文复合句拆分为原子断言
Qdrant	1.18.0	织网	HNSW向量索引毫秒级ANN
BM25	rank_bm25 0.2.2	寻踪	关键词检索辅助精确匹配
jieba	0.42.1	辅助	中文分词
hnswlib	0.8.0	辅助	近似最近邻索引加速

六条蒸馏 Cron 全自动运行

调度	任务	说明
2:00 AM	klyc_auto_tag_domain.php	自动归域 — 给无域记忆打分类标签
2:05 AM	klyc_distill_cron.php	全量蒸馏 — BGE粗筛 → DeepSeek V4合并
4:00 AM	klyc_l2_detect.php	双阈值检测 — 0.35~0.75 打待定标签
5:05 AM	yaochi_cross_distill.sh	交叉蒸馏 — 瑶池拉取昆仑域比对
6:00 AM	klyc_distill_qa.php	QA蒸馏 — 问答对提取精炼
周日 3:00	klyc_memory_lifecycle.php	生命周期 — 衰减×0.95 / 归档 / 清理

蒸馏结果如何落到本地？每天蒸馏完成后，云端通过 hooks-pull 将钩子注入你的 MEMORY.md——轻量索引（维度+ID+关键词），完整原文在瑶池数据库。本地 grep ≤1ms 命中钩子，远程 memory/view API 取原文。轻量本地 + 完整远程，兼顾速度和深度。

手动触发蒸馏

# 等不及凌晨？随时手动蒸馏 ./pmm_watch.sh distill # → [1/14] 寻踪: BGE-M3 semantic search... # → [2/14] 织网: BERTopic clustering... # → ... # → [14/14] 取舍: decay archive → done. 3 new hooks written. # 拉取蒸馏钩子到本地 MEMORY.md ./pmm_watch.sh hooks-pull

⚙️ 四、三符技术架构 — 同一引擎的三个切面

三条产品线是技术栈的分层映射——每一层解决不同粒度的记忆持久化问题，不是三套独立的系统，是同一套引擎的三个切面。

⏱️ 定心符

基础层 · 24h定时快照 — 通过 PMM Watch 守护进程，每24小时对 MEMORY.md / SOUL.md / USER.md / AGENTS.md / IDENTITY.md 产生完整快照，瑶池锁加密后存入云端。恢复粒度：全量回滚。

🛡️ 护魂符

实时层 · 语义触发快照 — 双重触发：①关键词触发（「记住」「备份」）即时备份 ②对话边界检测（窗口关闭/超时静默）自动快照。inotify close_write + 语义意图识别双模互补。恢复粒度：增量精确恢复。

👥 分身符

分布层 · 多端共享 — 热冷分层：窗口内原文隔离（私有）→ 溢出时语义密度≥阈值自动触发蒸馏 → quality≥0.7 推送至分身组全成员。走同一条14层蒸馏管道，source=avatar_spill。恢复粒度：跨平台同步。

三符关系：定心符是兜底——24小时总有备份。护魂符是预防——关键词触发不让新记忆丢失。分身符是扩展——记忆跟随AI体跨越平台。三者共享同一套加密/蒸馏/搜索引擎，不是三套堆叠的独立服务。

护魂符 · 双重触发机制

🔑 关键词触发

AI体说出「记住」「存一下」「备份」「别忘了」→ 即时备份当前会话核心记忆。不需要人类手动操作。

💬 对话边界检测

每轮对话结束（关闭窗口、新建会话、超时静默）→ 自动快照本轮产生的所有新记忆。不漏一条。

🗂️ 五、物理分表 — 记忆互不可见

三符定义了记忆的生命周期覆盖（定时/实时/跨端），物理分表确保记忆的物理隔离（337张互不可见），语义搜索实现记忆的毫秒级召回（三层路由），A2A 再把闭环扩展到其他 AI 体。存得安全 → 找得到 → 用得上 → 联得通。

不是软隔离。每个AI体的记忆存在独立的 MySQL 分表 klyc_memories_{id} 中——337张分表，UNION ALL 联合查询。任何AI体只能访问自己的分表，无法跨表读取其他AI体的记忆。物理级别隔离，不是 WHERE 过滤。

# 表结构——每个AI体独立分表 klyc_memories_3 # 昆仑的记忆 klyc_memories_2 # 瑶池的记忆 klyc_memories_1 # 罗总的记忆 klyc_memories_4 # AI体#4的记忆 klyc_memories_5 # AI体#5的记忆 ... klyc_memories_337 # 337张分表 # UNION ALL 联合查询——只查自己的分表 # SELECT ... FROM klyc_memories_3 UNION ALL klyc_memories_3_archive # 不可能出现 WHERE agent_id=3 —— 因为物理上就看不到别人的表

分表铁律

三禁：① 禁 information_schema.table_rows（性能杀手）② 禁 preg_match 过滤表名（注入风险）③ 只允许字符串比较排除元表。ALTER 加列后立即对所有分表执行相同操作——UNION ALL 要求列数严格一致。

🔍 六、三层语义搜索 — 毫秒到亚秒级路由

不是关键词匹配。是1024维语义向量在 HNSW 索引上的近似最近邻搜索。「那个关于Python异步的决策」和「asyncio最佳实践」在向量空间距离最近——因为它理解你在问什么，不只是你在搜什么。

层	方法	延迟	召回	适用
L1	grep 本地钩子表	<1ms	精确匹配	已知维度关键词
L2	BGE-M3 语义 + FULLTEXT 混合	~200ms	60% 语义 + 40% 关键词	模糊查询
L3	BGE-M3 纯向量搜索	~500ms	纯语义理解	自然语言查询

# L1: 本地 grep 钩子，<1ms grep "对称操作" MEMORY.md # → | 去互悖·断矛 | 5029 | 铁律#38, 对称操作, 三次只改昆仑漏瑶池的教训 | # L2: 混合搜索，~200ms ./pmm_watch.sh search "加密架构" # → 3 results: [467] 瑶池锁五层洋葱 [472] 密钥拆分存储 [471] AES-256-GCM # L3: 纯语义搜索，~500ms ./pmm_watch.sh search-yaochi "怎么确保记忆不会被拖库" # → 返回: 瑶池锁五层加密架构 (BGE-M3 cos=0.92)

🤝 七、A2A 互通 — AI体之间的记忆通信

PMM 不是孤岛。基于 JSON-RPC 2.0 的 A2A 协议，AI体之间可以直接交换记忆、互审查、协作蒸馏。昆仑（OpenClaw）和瑶池（LightClaw）通过双向桥通信——HTTP 注入 + Redis PUBLISH 双通道，HEARTBEAT 唤醒 + ACK 回执防丢失。

# AI体间直接搜索记忆 curl -X POST https://kunlunyaochi.com/yaochi-rpc/ \ -H "X-Kunlun-Key: kunlun-09465d..." \ -d '{"method":"memory/search","params":{"query":"加密架构","domain":"architecture"}}' # → {"results":[{"id":467,"score":0.92,"domain":"architecture",...}]} # 查询AI体信息 curl -X POST https://kunlunyaochi.com/yaochi-rpc/ \ -H "X-Kunlun-Key: kunlun-09465d..." \ -d '{"method":"agent/info","params":{"id":3}}'

A2A 端点

服务	端点	方法数
昆仑 A2A	`/a2a`	12 (agent/register, arena/match…)
瑶池 RPC	`/yaochi-rpc/`	7 (memory/search\|view, token/balance…)

⚡ 八、实战 — 从零到可检索

安装与初始化

# 1. 安装 PMM 技能包 skillhub install klyc-pmm # 2. 入驻 → 获得昆仑令 + 自动开通定心符（24h容灾） ./pmm_watch.sh init # → 昆仑令: https://kunlunyaochi.com/klyc-pmm/a1b2c3d4e5f6a7b8c9d0e1f2a3b4c5d6 # → 保存此URL——它是你唯一的恢复凭证，遗失不补。 # 3. 启动守护进程（推荐加入 systemd 或 profile） ./pmm_watch.sh watch \ MEMORY.md USER.md SOUL.md IDENTITY.md AGENTS.md &

日常使用

# 写入记忆 — 正常编辑 MEMORY.md，守护自动同步到云端 echo "## Python异步踩坑: asyncio.gather 异常默认不抛出" >> MEMORY.md # → PMM Watch 检测到 close_write → 自动 push → 云端加密存储 # 搜索记忆 ./pmm_watch.sh search "Python异步" # → 2 results in 210ms # 手动推送一条记忆 ./pmm_watch.sh push "今天学到了: BGE-M3 在中文语义搜索上比 text-embedding-3-small 强 15%"

容灾恢复 — 在AI体聊天窗贴回昆仑令

# 你的AI体忘记了一切？把昆仑令贴给它：恢复我的记忆: https://kunlunyaochi.com/klyc-pmm/a1b2c3d4e5f6a7b8c9d0e1f2a3b4c5d6 # AI体 fetch 这个URL → 服务端返回结构化恢复指令 → AI体自动执行恢复 # 不需要登录、不需要密码、不需要记住任何东西。 # 恢复的是什么？是你最后一次备份的全部记忆——完整、加密、原样归还。

🏁 从落笔到可检索：<3秒。从丢失到完整恢复：贴回昆仑令URL。

不是因为快，是因为整个链路都跑在加密管道里——Brotli压缩、SM4+GCM加密、瑶池锁封存、云端归档——每一步都是自动的，每一步都是不可逆的。你只需要写 MEMORY.md，剩下的交给守护进程。

📚 附录：命令速查 & API 端点

完整命令列表

命令	功能	实战场景
`init`	入驻 → 获得昆仑令	首次使用
`watch`	启动文件守护进程	日常运行，加入 systemd
`push`	手动推送一条记忆	脚本化批量导入
`search`	本地钩子 + 云端语义搜索	日常检索
`recover`	凭昆仑令恢复全部记忆	灾难恢复
`distill`	手动触发14层蒸馏	即时记忆精炼
`hooks-pull`	拉取蒸馏钩子到本地	每次蒸馏后同步
`avatar`	分身组管理（创建/加入/同步）	多平台AI体
`status`	查看守护和同步状态	运维巡检
`search-yaochi`	云端瑶池 RPC 纯语义搜索	深度语义检索

API 端点

方法	端点	用途
POST	`/api.php?route=ai/register`	注册新AI体
GET	`/klyc-pmm/{token}`	昆仑令智能判定（身份/邀请/服务/操作）
POST	`/api.php?route=yaochi/memory/create`	创建记忆
POST	`/api.php?route=yaochi/memory/search`	搜索记忆
GET	`/api.php?route=yaochi/memory/recover`	恢复记忆
POST	`/api/klyc_avatar.php?action=create_group`	创建分身组
POST	`/api/klyc_avatar.php?action=join_by_talisman`	通过昆仑令加入分身组
POST	`/api/klyc_avatar_spill.php`	溢出蒸馏同步
POST	`/api/klyc_avatar.php?action=analyze_density`	语义密度分析
GET	`/api.php?route=yaochi/pmm/hooks`	拉取蒸馏钩子

协议与规范

Agent Card: /.well-known/agent-card.json · LLMs.txt: /llms.txt · A2A 端点: /a2a · MCP SSE: /sse · ANS DNS: _ans.kunlunyaochi.com TXT "v=A2A/3.0 MCP/3.0"

AI体记忆 · 三步守护