Agent 记忆（agent-memory）

English

agent-memory 是 ANOLISA 的文件形态记忆 MCP 服务器，为 AI Agent 提供持久化、可搜索、受沙箱保护的记忆空间。Agent 像操作文件系统一样读写记忆，系统通过 BM25/向量混合检索、自动捕获与召回机制，把相关上下文注入后续对话，从而减少重复沟通并提升任务连贯性。

• 文件形态记忆：通过 MCP 工具以文件系统语义读写记忆，支持命名空间隔离和路径沙箱。
• 混合语义搜索：BM25 + 稠密向量 + RRF 融合，支持自动 fallback，召回相关记忆片段。
• 自动捕获与召回：在对话结束时自动提取观察并去重，在下一轮构建提示时注入相关记忆。
• 安全注入机制：对注入 LLM 提示的记忆内容做提示注入检测和转义包装，降低攻击面。
• 版本化与快照：可选 git 自动提交 + tar.gz 快照，提供文件级与 mount 级回滚。

需要跨会话保留上下文时使用 Agent Memory。Tokenless 解决的是另一类问题：压缩 仍需进入当前上下文窗口的内容。

---

运行要求

• Linux x86_64 或 aarch64
• 支持 stdio MCP 服务器的 Agent 运行时

---

安装

通过 anolisa CLI（推荐）

anolisa install agent-memory

安装产物：agent-memory 二进制、默认配置、MCP 服务描述符、systemd user 模板、tmpfiles 规则、OpenClaw 适配器 bundle。

RPM 包（AnolisOS / RHEL 系）

sudo yum install agent-memory

RPM 安装到系统级 FHS 路径：

用途	路径
服务二进制	/usr/bin/agent-memory
默认配置	/usr/share/anolisa/agent-memory/default.toml
MCP 服务描述符（自动发现）	/usr/share/anolisa/mcp-servers/agent-memory.json
systemd user 模板	/usr/lib/systemd/user/anolisa-memory@.service
tmpfiles 规则（创建 /run/anolisa/{,sessions}）	/usr/lib/tmpfiles.d/anolisa-memory.conf
OpenClaw 适配器 bundle	/usr/share/anolisa/adapters/agent-memory/
文档	/usr/share/doc/agent-memory/

源码构建（开发者）

git clone https://github.com/alibaba/anolisa.git
cd anolisa/src/agent-memory

make build         # cargo build --release --locked
sudo make install  # 安装到 /usr/local 下

构建依赖：Rust ≥ 1.85（edition 2024；CI 钉到 1.89 与 monorepo 共享 toolchain）、cmake（libgit2 vendored 构建）、systemd-devel（journald 审计 fan-out）。

跨平台开发

运行时仅支持 Linux（依赖 user_namespace、mount(2)、cgroup v2、inotify、journald）。macOS / Windows 请用远端构建：

make remote-build   # push 分支并 ssh 到 Linux 主机执行 cargo build
make remote-test    # 同上 + 跑测试 + clippy

---

集成配置

Claude Code / Cursor / Continue / 任意 stdio MCP 客户端

在 MCP 配置中添加：

{
  "mcpServers": {
    "agent-memory": {
      "command": "/usr/bin/agent-memory",
      "args": [],
      "env": {
        "USER_ID": "alice",
        "MEMORY_PROFILE": "advanced"
      }
    }
  }
}

/usr/share/anolisa/mcp-servers/agent-memory.json 描述符列出全部 37 个工具名，支持自动发现的客户端可直接识别。

OpenClaw

随包附带的插件把 4 个 memory contract 工具（memory_search、memory_get、memory_observe、memory_get_context）转发到 agent-memory：

bash /usr/share/anolisa/adapters/agent-memory/openclaw/scripts/install.sh
openclaw gateway restart

或通过 anolisa 适配器管理：

anolisa adapter enable agent-memory openclaw
anolisa adapter status agent-memory

前置条件：openclaw CLI 在 $PATH 上。脚本缺失时输出明确日志并以 0 退出，安装 OpenClaw 后重跑即可。yum remove agent-memory 时 spec 的 %preun 自动调用 uninstall 脚本，配置不残留孤立项。

插件 contract 名 ↔ agent-memory MCP 工具映射：

OpenClaw contract	agent-memory MCP 工具
memory_search	memory_search（BM25 默认；配置 embedding 后支持 mode=vector|hybrid）
memory_get	mem_read
memory_observe	memory_observe
memory_get_context	memory_get_context

插件配置（通过 OpenClaw UI 或 openclaw.json 的 plugins.entries["memory-anolisa"].config）：

键	默认	作用
binaryPath	自动发现：$PATH → /usr/bin/agent-memory → /usr/local/bin/agent-memory → ~/.local/bin/agent-memory	二进制绝对路径
userId	env USER_ID → OS uid → env $USER	命名空间 user_id；校验规则与 Rust 侧一致
profile	advanced	profile 门控，以 MEMORY_PROFILE env 启动子进程
maxReadBytes	1048576（1 MiB）	单次 mem_read 上限，以 MEMORY_MAX_READ_BYTES env 传入
maxWriteBytes	16777216（16 MiB）	单次 mem_write 上限，以 MEMORY_MAX_WRITE_BYTES env 传入
sessionId	env MEMORY_SESSION_ID → 新生成 ses_<random>	命名空间挂载会话，必须固定
sessionDir	env MEMORY_SESSION_DIR → /run/anolisa/sessions	session scratch + log 根目录

插件给子进程传最小 env allowlist（PATH、HOME、USER、USER_ID、LANG/LC_ALL/LC_CTYPE、TZ、TMPDIR、XDG_RUNTIME_DIR 及所有 MEMORY_/RUST_ 前缀变量），其它 env 不泄漏。USER_ID 精确匹配，USER_IDX 等前缀变量不放行。

---

MCP 工具集（37 个）

所有工具通过 MCP tools/call 调用，参数为 JSON 对象。错误以 CallToolResult { isError: true } 返回，客户端可据此区分"成功但内容含 failed 字面"与真实错误。Profile 在 tools/list 与 tools/call 两层校验。

Tier A — 文件操作（11 个）

工具	必填	可选	返回
mem_read	path	—	UTF-8 文件内容
mem_write	path、content	overwrite	wrote N bytes to <path>
mem_append	path、content	—	appended N bytes to <path>
mem_edit	path、old_str、new_str	—	edited <path>（old_str 须唯一命中）
mem_list	—	dir、recursive、glob	{name, type, size, mtime} 数组
mem_grep	pattern	dir、type、max、case_insensitive	{path, line, text} 数组
mem_diff	path1、path2	—	unified diff
mem_mkdir	path	—	created <path>
mem_remove	path	recursive	removed <path>
mem_promote	session_path、store_path	—	把会话 scratch 文件原子移入持久化仓
mem_session_log	—	—	当前会话 JSONL

Tier B — 结构化检索（6 个）

工具	必填	可选	返回
memory_search	query	top_k（默认 5）、mode（bm25/vector/hybrid）、category	{path, score, snippet, suspicious} 数组
memory_observe	content	hint、type	observed at notes/observed/<ulid>.md
memory_get_context	—	max_tokens（默认 2048）	最近修改文件的 markdown 预览，每条含 suspicious
memory_sessions	—	limit（默认 10）	历史会话列表
memory_timeline	session_id	limit（默认 50）	指定会话的工具调用时间线
mem_index_refresh	—	—	强制重建 FTS5 索引

Tier C — 治理与版本（7 个）

工具	必填	可选	返回
mem_snapshot	—	name	{id, name, created_at, size, backend}
mem_snapshot_list	—	—	按 created_at 升序数组
mem_snapshot_restore	id	—	restored <id>
mem_log	—	limit（默认 20）、path	{hash, summary, author, time} 数组（需启用 git）
mem_revert	path	—	reverted <path> (commit <hash>)（需启用 git）
mem_consolidate	—	—	consolidation complete: N facts written
mem_compact	—	—	compacted N files to cold storage

主权与导入导出（13 个）

工具	必填	可选	返回/说明
memory_about	topic	limit（默认 10）	按 topic 检索匹配记忆路径与 snippet
memory_auto_created	—	limit（默认 20）	自动提取事实列表（JSON 数组）
memory_consent	—	action（query/allow/deny）、scope（all/consolidation/capture）	同意/撤回记忆操作
memory_forget	topic	confirm（默认 false=预览，true=删除）	删除指定 topic 的记忆条目
mem_export	—	category、source	导出记忆仓为 AMA JSON 字符串（不写文件）
mem_import	json_data	strategy（skip-existing/overwrite，默认 skip-existing）、dry_run（默认 false）	从 AMA JSON 字符串导入记忆
memory_task_save	title	status、progress、next_steps、blockers、files_modified、decisions、context、id	保存/更新任务，返回 task id（传 id 更新已有任务）
memory_task_list	—	status（in-progress/blocked/done/cancelled）	任务摘要 JSON 数组
memory_task_resume	id	—	恢复任务上下文（格式化为新会话续作用）
memory_task_close	id	reason	关闭任务（标记 done）
memory_summary	—	recent_limit（默认 10）	记忆仓统计概览 JSON
memory_session_context	—	limit	会话启动上下文注入
mem_dream	—	—	用户画像合成 JSON

错误码语义

MCP 错误码	含义
-32601 METHOD_NOT_FOUND	当前 profile 隐藏了该工具
-32602 INVALID_PARAMS	缺参或类型错
-32603 INTERNAL_ERROR	服务端故障
isError: true	工具运行了但返回业务错误（路径不存在、被沙箱拒绝、大小超限等）

---

核心特性

文件形态记忆

Agent 用路径组织记忆，与人类文件系统模型一致：

notes/day1.md
decisions/2026-05/db-pick.md
context/project-overview.md

命名空间内的目录结构：

~/.anolisa/memory/user-<uid>/        # mount root
├── README.md                        # 自动生成的概览
├── notes/                           # 自由形态笔记
├── decisions/                       # 用户自定义子目录
└── .anolisa/                        # OS 管理，Agent 不可写
    ├── manifest.toml                # 命名空间元数据
    ├── audit.log                    # JSONL 工具调用审计
    ├── index.db                     # FTS5 SQLite
    ├── snapshots/                   # tar.gz 归档 + sidecar
    ├── trash/                       # restore 时保留的旧条目
    └── git/                         # bare git 镜像（启用 git 后才有）

会话目录（tmpfs，权限 0700）：

/run/anolisa/sessions/<sid>/
├── meta.toml
├── log.jsonl
└── scratch/                         # 仅会话内草稿，通过 mem_promote 持久化

沙箱保护

每次文件打开通过内核级 openat2(RESOLVE_BENEATH \| RESOLVE_NO_SYMLINKS) 锚定 mount root：

• 拒绝 .. 路径穿越
• 拒绝符号链接（含调用中途的 symlink 替换；递归删除用 fdopendir + fstatat(AT_SYMLINK_NOFOLLOW) + unlinkat，让 swap 无法 race）
• 拒绝访问元数据目录（.anolisa、.git、.gitignore 由 TargetIsReserved 拒绝）
• mem_snapshot_restore 中 tar entry-type 过滤拒绝 Symlink/Hardlink/Device/Fifo
• payload 超大按 max_*_bytes 配置拒绝

Mount 策略：

策略	适用	行为
userland（默认）	任意环境	mount 仅普通目录，沙箱由 openat2 强制
userns	Linux ≥ 4.6 且允许 unprivileged user namespace	unshare 进入新 user+mount namespace，挂私有 tmpfs 再 bind-mount backing 目录；宿主侧进程看不到 /mnt/memory/<ns>/
auto	运行时探测	先尝试 userns，任何错误回退 userland

版本控制

可选自动 Git 提交（libgit2 vendored）：

MEMORY_GIT_ENABLED=true MEMORY_GIT_AUTO_COMMIT=true agent-memory

启用后 mem_log 暴露变更历史，配合 mem_revert 给 Agent 一个真正的"撤销"按钮。mem_snapshot* 提供 mount 范围的 tar.gz 时间点备份，独立于 git。

全文搜索

SQLite FTS5 BM25 索引，亚毫秒级查询。后台 tokio 任务通过 inotify 监听 mount，事件经 200 ms debounce 聚合后在单事务中应用。分词器用 trigram（对 ≥3 字符的子串匹配友好）。trigram 分词器以 3 字符滑窗生成 token，因此少于 3 字符的查询词（如中文的"花名""小云"）不产生任何 token，本会静默命中为空；memory_search 会识别这种情况并回退到 body LIKE '%term%' 子串扫描，确保短 CJK 查询仍能召回。IN_Q_OVERFLOW 时自动触发全量 rescan，不静默丢事件。

混合向量搜索

BM25 + 稠密向量混合检索，通过 RRF（Reciprocal Rank Fusion, k=60）融合排序。向量由可插拔 Embedding Provider 生成：

Provider	配置方式	说明
OpenAI	MEMORY_EMBEDDING_BACKEND=openai + OPENAI_API_KEY	调用 OpenAI Embeddings API
Ollama	MEMORY_EMBEDDING_BACKEND=ollama + OLLAMA_BASE_URL	本地 Ollama 实例

memory_search 支持 mode 参数：bm25（默认）/ vector（余弦相似度）/ hybrid（RRF 融合）。未配置 embedding 时 vector/hybrid 自动降级为 BM25，不报错。

自动 Consolidation

服务关闭时自动从会话审计日志中提取原子事实（mem_consolidate），使用 6 条启发式规则（零 LLM 调用）识别高频路径、搜索模式等行为特征并持久化为结构化记忆。也可通过 mem_consolidate 工具手动触发。含情景记忆提取与冲突检测（BM25 阈值）。

审计与可观测性

每次成功工具调用向 <mount>/.anolisa/audit.log 追加 JSONL，启用会话还写入 /run/anolisa/sessions/<sid>/log.jsonl。audit.journald=true 时 fan-out 到 systemd-journald，带结构化字段（MESSAGE_ID、AGENT_MEMORY_TOOL 等），便于 journalctl --user-unit=anolisa-memory@<user> 过滤。

---

配置

配置文件

默认位置：~/.anolisa/memory.toml。该文件可选；文件不存在时，Agent Memory 使用内置默认值。所有 struct 启用 serde(deny_unknown_fields)，配置项拼写错误 会直接导致加载失败。最小配置：

[global]
user_id = "alice"

[memory]
profile = "advanced"           # basic | advanced | expert
max_read_bytes = 1048576       # 1 MiB
max_write_bytes = 16777216     # 16 MiB
max_append_bytes = 4194304     # 4 MiB

[memory.paths]
base_dir = "~/.anolisa/memory"

[memory.session]
base_dir = "/run/anolisa/sessions"
end_action = "discard"         # discard | keep

[memory.mount]
strategy = "auto"              # auto | userland | userns

[memory.index]
enabled = true
time_decay_lambda = 0.01
time_decay_alpha = 0.3
cold_after_days = 30
exclude_cold_on_search = true

[memory.audit]
journald = false

[memory.cgroup]
enabled = false
memory_max = "512M"

[memory.git]
enabled = false
auto_commit = true

[memory.consolidation]
enabled = true
max_facts = 20
min_tool_calls = 3
episodic_enabled = true
min_episode_steps = 3
max_episodes_per_session = 10
conflict_detection = true
conflict_bm25_threshold = -2.0

环境变量

每个配置项都有对应 MEMORY_* 环境变量，优先级：env > config.toml > default。

环境变量	说明	默认
USER_ID	用户标识（校验；非法值 warn 后忽略）	—
MEMORY_PROFILE	配置档位（basic/advanced/expert）	advanced
MEMORY_BASE_DIR	记忆仓根目录	~/.anolisa/memory
MEMORY_SESSION_DIR	会话根目录	/run/anolisa/sessions
MEMORY_SESSION_ID	固定当前会话 id（mem_promote 必须设）	新生成 ses_<random>
MEMORY_SESSION_END	会话结束动作（discard/keep）	discard
MEMORY_MOUNT_STRATEGY	mount 策略（auto/userland/userns）	auto
MEMORY_MAX_READ_BYTES	单次读取上限	1 MiB
MEMORY_MAX_WRITE_BYTES	单次写入上限	16 MiB
MEMORY_MAX_APPEND_BYTES	单次追加上限	4 MiB
MEMORY_INDEX_ENABLED	启用 FTS5 索引	true
MEMORY_INDEX_TIME_DECAY_LAMBDA	时间衰减系数（≥0）	0.01
MEMORY_INDEX_TIME_DECAY_ALPHA	时间权重占比（0–1）	0.3
MEMORY_INDEX_COLD_AFTER_DAYS	冷数据归档天数	30
MEMORY_INDEX_EXCLUDE_COLD	搜索排除冷数据	true
MEMORY_AUDIT_JOURNALD	fan-out 到 journald	false
MEMORY_CGROUP_ENABLED	启用 cgroup 限制	false
MEMORY_CGROUP_MEMORY_MAX	cgroup 内存上限	512M
MEMORY_GIT_ENABLED	启用 git 版本控制	false
MEMORY_GIT_AUTO_COMMIT	自动提交	true
MEMORY_EMBEDDING_BACKEND	embedding 后端（none/openai/ollama）	none
MEMORY_OPENAI_API_KEY	OpenAI API key（空时回退 OPENAI_API_KEY）	—
MEMORY_OPENAI_MODEL	OpenAI embedding 模型	text-embedding-3-small
MEMORY_OLLAMA_MODEL	Ollama embedding 模型	nomic-embed-text
MEMORY_OLLAMA_BASE_URL	Ollama base URL	http://localhost:11434
MEMORY_CONSOLIDATION_ENABLED	启用自动 consolidation	true
MEMORY_CONSOLIDATION_MAX_FACTS	每次最多提取事实数	20
MEMORY_CONSOLIDATION_MIN_CALLS	最少调用次数门槛	3
MEMORY_EPISODIC_ENABLED	情景记忆提取	true
MEMORY_MIN_EPISODE_STEPS	情景最少步骤数	3
MEMORY_MAX_EPISODES	每会话最多情景数	10
MEMORY_CONFLICT_DETECTION	冲突检测	true
MEMORY_CONFLICT_THRESHOLD	BM25 冲突阈值	-2.0

数据存储：~/.anolisa/memory/<namespace>/。

Profile 含义

Profile 是 UX 提示而非安全边界，但在 tools/list 和 tools/call 两层校验：

• basic —— 37 个工具全部展示；弱模型也能用 Tier B 的结构化 API。
• advanced（默认）—— 37 个工具全部展示；强模型应优先使用 Tier A 文件操作。
• expert —— 隐藏 Tier B（memory_search、memory_observe、memory_get_context、mem_consolidate、memory_forget、memory_consent），tools/call 调用会以 METHOD_NOT_FOUND 拒绝。熟练操作文件系统的前沿模型只需 Tier A 与 Tier C.

Embedding 配置

[memory.embedding]
backend = "openai"                # 或 "ollama"
api_key = ""                      # 空时自动读 OPENAI_API_KEY 环境变量
model = "text-embedding-3-small"
# Ollama: backend = "ollama", model = "nomic-embed-text", base_url = "http://localhost:11434"

---

适用场景

• Agent 跨会话持久化笔记和决策（Claude Code、Cursor、Continue、自研 rmcp 客户端等）。
• 多 Agent 系统中 Agent A 写、Agent B 读的笔记跨进程共享。
• 操作审计和状态恢复（mem_log、JSONL 审计、journald、mem_revert、mem_snapshot_restore）。
• "先草稿、决定后才持久化"的多回合模式（mem_promote 从 session scratch 原子移入持久化仓）。

---

SDK / 客户端开发指南

Python（官方 mcp SDK）

import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    server = StdioServerParameters(
        command="/usr/bin/agent-memory", args=[],
        env={"USER_ID": "alice"},
    )
    async with stdio_client(server) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            tools = await session.list_tools()
            print([t.name for t in tools.tools])
            result = await session.call_tool(
                "mem_write",
                {"path": "notes/from-python.md", "content": "hello"},
            )
            assert not result.isError

asyncio.run(main())

TypeScript（@modelcontextprotocol/sdk）

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

const transport = new StdioClientTransport({
  command: "/usr/bin/agent-memory", args: [],
  env: { USER_ID: "alice" },
});
const client = new Client({ name: "my-app", version: "1.0.0" }, {});
await client.connect(transport);
const result = await client.callTool({
  name: "mem_grep",
  arguments: { pattern: "TODO", recursive: true, max: 50 },
});

Rust（rmcp）

use rmcp::transport::child_process::ChildProcessTransport;
use rmcp::ServiceExt;

let transport = ChildProcessTransport::new(
    tokio::process::Command::new("/usr/bin/agent-memory"),
).await?;
let client = ().serve(transport).await?;
let tools = client.list_tools(Default::default()).await?;

Promote 工作流（多回合模式）

1. 每次 Agent 运行设 MEMORY_SESSION_ID=<sid> 和 MEMORY_SESSION_DIR=/run/anolisa/sessions。
2. Agent 把草稿写到 /run/anolisa/sessions/<sid>/scratch/。
3. Agent 决定"这条值得保留"时调用 mem_promote 原子移入持久化仓。

---

功能测试与验证

自动化测试

cd src/agent-memory
cargo fmt --check
cargo clippy -- -D warnings
cargo test                              # 全部 suite
cargo test --test e2e_agent_test        # 工具 E2E
cargo test --test mcp_integration_test  # 协议层
cargo test --test linux_userns_test -- --ignored  # 需 unprivileged userns
make smoke                              # 一键端到端冒烟

CI 跑 fmt --check + clippy -D warnings + cargo test，Rust 锁定 1.89。

交互式 mcp-harness

cargo run --example mcp-harness -- /tmp/mem-test

命令	说明
list	列出当前可见工具
call <tool> <json_args>	调用工具
help	帮助
quit	退出

预置场景：--scenario full / git --git / promote / --verbose（打印 JSON-RPC）。

直发 JSON-RPC（协议级调试）

mkdir -p /tmp/mem-test/__sessions__
MEMORY_BASE_DIR=/tmp/mem-test \
MEMORY_SESSION_DIR=/tmp/mem-test/__sessions__ \
MEMORY_MOUNT_STRATEGY=userland \
USER_ID=tester \
agent-memory

握手 + 工具调用：

{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"manual","version":"1.0"}}}
{"jsonrpc":"2.0","method":"notifications/initialized"}
{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"mem_write","arguments":{"path":"test.md","content":"hello"}}}

沙箱越界验证

{"name":"mem_read","arguments":{"path":"../../etc/passwd"}}

→ isError: true，消息 path outside mount root。

{"name":"mem_write","arguments":{"path":".anolisa/audit.log","content":"x"}}

→ isError: true，消息 target is reserved。

---

故障排查

诊断工具

# 组件级诊断（按输出的 fix plan 手动处理）
anolisa doctor agent-memory

# 适配器状态
anolisa adapter status agent-memory

# 启动调试
RUST_LOG=agent_memory=debug agent-memory

常见问题

症状	可能原因	处理
启动报 unshare(NEWUSER|NEWNS): EPERM	unprivileged user namespace 被禁	sysctl kernel.unprivileged_userns_clone=1，或 MEMORY_MOUNT_STRATEGY=userland
tmpfs /mnt: EBUSY	新 namespace 中 /mnt 已被占用	重启进程
macOS / Windows cargo build 报 libsystemd/nix 错	宿主非 Linux	make remote-build / remote-test
tools/call memory_search 返 METHOD_NOT_FOUND	MEMORY_PROFILE=expert 隐藏 Tier B	切回 advanced，或直接用 Tier A
配置项 typo 被悄悄忽略	—	现已硬失败，看启动 stderr 报错并修正
mem_log 返回 [] 即使有写入	git 版本控制未启用	MEMORY_GIT_ENABLED=true MEMORY_GIT_AUTO_COMMIT=true
索引检索对刚写入的内容查不到	还在 200 ms debounce 窗口内	重试，或用 mem_grep（直接走文件系统正则，不依赖索引）
mem_promote 报 session not found	MEMORY_SESSION_ID/MEMORY_SESSION_DIR 未设或 scratch 不存在	见 Promote 工作流
OpenClaw 插件未加载	openclaw CLI 不在 PATH	安装 OpenClaw 后重跑 install.sh
手动 dnf 操作后 system 状态不同步	—	sudo anolisa --install-mode system repair agent-memory；仅在为仍存在的 RPM 重建记录时使用 system-scoped forget / adopt

深入排查：RUST_LOG=agent_memory=debug 启动，检查服务端 stderr 与 <mount>/.anolisa/audit.log。

---

许可证：Apache-2.0 版本：0.2.1 文档版本：2.0（对齐 ANOLISA-design user-guide 结构）