尧图网页设计 
ruflo-rag-memory 记忆专家 AgentSOTA RAG 混合检索、Graph RAG 与记忆整合实战指南【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo本篇技术指南围绕ruflo-rag-memory插件中的memory-specialist智能体agents/memory-specialist.md展开完整解析其在 ruflo 项目中的 RAG 记忆检索体系稀疏稠密混合检索与 RRF 融合、Graph RAG 多跳知识检索、MMR 多样性重排、记忆整合与自适应分块。读完本文你将掌握如何为跨会话 Agent 系统设计并落地一套可配置、可验证、可扩展的语义记忆检索方案并能直接复用仓库中的 CLI 命令、MCP 工具与命名空间规范。一、memory-specialist 是什么一个 SOTA RAG 记忆智能体的职责定义memory-specialist是 ruflo-rag-memory 插件声明的唯一一个 Agent模型为sonnet其 frontmatter 定义了六大核心职责agents/memory-specialist.md混合检索Hybrid search——稀疏BM25 稠密向量双路召回经 Reciprocal Rank FusionRRF融合官方标注可带来 20–49% 的检索质量提升Graph RAG——面向多跳知识检索配合社区发现community detection标注提升 30–60%智能检索——MMR 多样性重排 时效性recency打分记忆整合Memory consolidation——跨命名空间去重、合并、剪枝过期条目Claude Code 桥接——用 ONNX 向量嵌入把 Claude Code 自动记忆导入 AgentDB自适应分块——在语义边界切分文档而非按固定 token 数硬切。这并非营销措辞而是插件契约的一部分插件 README 明确给出该 Agent 的角色定位为 AgentDB management, HNSW optimization, memory bridge, consolidationplugins/ruflo-rag-memory/README.md并且 ADR-0001 确认插件版本 v0.2.0 已随该 Agent 一起发布docs/adrs/0001-rag-memory-contract.md。二、搜索策略选择按查询类型决定检索路线原文档给出了一张策略选择表这是整个检索系统的决策入口。不同的查询形态对应不同的检索路线查询类型策略原因事实查证Factual lookupDense searchHNSW快、单跳、精确语义匹配多跳推理Multi-hop reasoningGraph RAG跨文档追踪实体关系关键词 语义Hybridsparse dense RRF融合 BM25 精确度与向量召回率需要多样化结果Dense MMR reranking去除近重复最大化覆盖近期上下文Dense recency weighting优先时态相关的条目探索式查询Graph RAG community detection发现簇与潜在连接该策略选择逻辑同时沉淀在memory-search技能中默认 dense 用于快速单跳匹配--hybrid用于关键词语义混合查询--graph-rag用于推理类查询--smart则进入完整的五阶段检索管线skills/memory-search/SKILL.md。从源码结构看memory_searchMCP 工具在未指定 namespace 时默认跨所有命名空间扇出检索v3/claude-flow/cli/src/mcp-tools/memory-tools.ts这与省略 namespace 即搜索全部的技能说明相互印证。三、检索管线SOTA从查询嵌入到 Top-K原文档给出了核心检索管线图这是整个系统的骨架Query → [Embedding (ONNX 384d)] → [HNSW ANN search] ↓ [Optional: BM25 sparse search] ↓ [RRF Fusion (k60)] ↓ [MMR Reranking (λ0.7)] ↓ [Recency Boost (decay0.95/day)] ↓ Top-K Results管线要点EmbeddingONNX 384 维默认采用all-MiniLM-L6-v2模型产出 384 维向量plugins/ruflo-rag-memory/README.md由 ONNX Runtime 推理无需 GPU 即可在本地生成嵌入HNSW ANN 检索底层向量索引为 HNSWHierarchical Navigable Small World图索引存储在 AgentDB 的vector_indexes表中RRF 融合k60对稀疏与稠密两路排序结果按倒数排名加权融合MMR 重排λ0.7λ 越接近 1 越偏相关性越接近 0 越偏多样性0.7 是相关性为主、兼顾多样性的默认折中时效性增强decay0.95/天每天以 0.95 的指数衰减压低旧条目得分。源码级印证SmartRetrieval 五阶段管线智能检索模式--smart在源码中有完整的五阶段实现v3/claude-flow/memory/src/smart-retrieval.ts查询扩展Query expansion模板式变体生成不调用 LLM控制扩展数 ≤3 个变体以控制开销源码注释 Keeps variants cheap (≤3)smart-retrieval.ts多查询扇出 RRF对多个查询变体分别检索后做倒数排名融合时效性增强指数衰减半衰期默认 30 天recencyHalfLifeDays30加权上限默认 0.2recencyWeight0.2计算式为score * (1 recencyWeight * recency)smart-retrieval.tsMMR 多样性重排基于 token-Jaccard 代理相似度若候选携带嵌入向量则回退到余弦相似度smart-retrieval.ts会话轮转Session round-robin按session_id元数据交错来自不同会话的结果保证多会话覆盖。注意一个细节原文档的检索管线图中 recency decay 写为 0.95/天而源码中的五阶段管线默认采用 30 天半衰期的指数衰减Math.pow(0.5, ageMs / halfLifeMs)。两者表述维度不同——0.95/天是日常衰减系数写法半衰期是等价的时间尺度写法实际都是对元数据时间戳做指数衰减README.md 明确 Recency boost — exponential decay from metadata timestamps。调用方式一ruvector CLIruflo-ruvector 可用时# Hybrid search稀疏 稠密 npx ruvector search query --hybrid --limit 10 # Graph RAG多跳 npx ruvector search query --graph-rag --limit 10 # Brain knowledge search跨会话知识共享 npx ruvector brain search query # RAG 上下文检索MCP # hooks_rag_context({ query: topic, limit: 5 })当ruflo-ruvector同时加载时rag-memory 会把高级检索能力委托给 ruvector 后端FlashAttention-3 注意力、Graph RAG 多跳检索、混合检索 RRF 融合、DiskANN 大规模持久化索引plugins/ruflo-rag-memory/README.md。调用方式二claude-flow/cli CLI# Dense 语义检索 npx claude-flow/clilatest memory search --query QUERY --namespace NAMESPACE --limit 10 # 带元数据存储 npx claude-flow/clilatest memory store --key KEY --value VALUE --namespace NAMESPACE # 列出与审计 npx claude-flow/clilatest memory list --namespace NAMESPACE --limit 20 # 跨所有命名空间统一检索 npx claude-flow/clilatest memory search --query QUERY --limit 10memory search --smart会启用五阶段智能检索管线README.md最适合多会话回忆、时间类查询上周我们决定了什么和多样化结果集。统一检索模式memory_search_unified则跨所有命名空间同时查询并做 MMR 多样性重排结果带来源标注claude-code、auto-memory或agentdb。四、命名空间规范为记忆划分归属与保留策略原文档定义了六个命名空间及保留策略命名空间用途保留策略patterns行之有效的代码/设计模式永久tasks任务上下文与决策90 天solutionsBug 修复与解决方案永久feedback用户纠正与偏好永久security漏洞模式永久claude-memories桥接的 Claude Code 自动记忆会话启动时同步其中claude-memories是保留命名空间reserved namespace由 ruflo-agentdb 插件拥有rag-memory 只是它的规范消费方canonical consumer——这个归属关系在 ADR-0001 中被正式契约化docs/adrs/0001-rag-memory-contract.md。README 明确警告保留命名空间pattern、claude-memories、default不得被遮蔽其他五个命名空间则通过 namespace 路由的memory_*工具访问README.md。memory search默认 namespace 是default省略 namespace 即搜索全部命名空间commands/ruflo-memory.md。memory_store的 MCP 实现同样默认namespacedefault并支持 upsert 语义v3/claude-flow/cli/src/mcp-tools/memory-tools.ts。五、自适应分块在语义边界切分而非固定 token 数内容类型分块策略重叠Overlap代码文件函数/类边界AST 感知0自然边界Markdown 文档标题分隔的章节50 tokens对话对话轮次边界1 轮JSON/配置顶层键分组0纯文本512-token 窗口64 tokens设计要点AST 感知切分代码文件按函数/类边界切分且零重叠避免把两个无关函数拼进同一块导致检索污染Markdown 按标题切分以#级标题为自然章节边界重叠 50 tokens 保留章节间上下文衔接对话按轮次切分重叠 1 轮保留指代消解所需的上下文纯文本兜底512-token 窗口 64-token 重叠约 12.5%是唯一使用固定窗口的内容类型。这种结构优先、固定窗口兜底的分层策略是为了保证嵌入向量的语义纯度——切分边界与语义边界对齐检索召回的质量上限更高。六、记忆整合工作流Memory Consolidation原文档给出五步整合流程Audit审计——列出每个命名空间所有条目检查陈旧度30 天未触碰Deduplicate去重——查找余弦相似度 0.92 的条目合并为单条Prune剪枝——移除最近 30 天零检索命中的条目Compress压缩——摘要化冗长条目同时保留关键事实Re-index重建索引——整合后重建 HNSW 索引以维持图质量。npx claude-flow/clilatest hooks worker dispatch --trigger consolidateruflo-memory命令的 consolidate 操作与之一致余弦 0.92 去重、30 天未触碰且零检索命中则剪枝、随后重建 HNSW 索引commands/ruflo-memory.md。整合触发机制走 hooks worker 的--trigger consolidate说明这是一个可被 hook 系统调度、也可手动触发的异步任务。七、Claude Code 记忆桥Memory Bridge桥接流程把 Claude Code 的原生自动记忆统一收编进 AgentDBClaude Code SessionStart hook → memory_import_claudeMCP → claude-memories 命名空间保留由 ruflo-agentdb 拥有 → 由本插件的 memory-bridge 技能 memory_search_unified 暴露memory-bridge技能完整定义了导入步骤skills/memory-bridge/SKILL.md检查桥健康状态mcp__plugin_ruflo-core_ruflo__memory_bridge_status({})——核对 Claude 文件数、AgentDB 条目数、SONA 状态与连接状态导入记忆当前项目memory_import_claude({})全部项目memory_import_claude({ allProjects: true })CLI 替代命令node .claude/helpers/auto-memory-hook.mjs import-all验证导入再次调用memory_bridge_status确认条目数与文件数一致去重--dedupe合并余弦相似度 0.95 的近重复条目保留最新版本测试统一检索memory_search_unified({ query: test query, limit: 3 })结果带claude-code/auto-memory/agentdb来源标注。桥接在session-start时通过 SessionStart hook 自动运行手动调用仅在三种场景需要首次全项目导入、会话外批量记忆变更后、模型更新后强制重新嵌入memory-bridge/SKILL.md。嵌入统一用all-MiniLM-L6-v2生成 384 维 ONNX 向量存于claude-memories命名空间并建 HNSW 索引。八、神经学习从成功检索模式中持续训练任务完成后可以把成功的检索模式反馈给训练系统npx claude-flow/clilatest hooks post-task --task-id TASK_ID --success true --train-neural true这条命令把任务结果成功与否回传给 hooks 系统并触发神经训练属于 ruflo-intelligence 的 SONA 轨迹学习链路——从检索模式中学习让记忆系统随时间自我改进。九、验证与契约smoke.sh 即合同本插件的验证契约是bash plugins/ruflo-rag-memory/scripts/smoke.sh期望输出 10 passed, 0 failedREADME.md。10 项结构性检查覆盖scripts/smoke.shplugin.json 版本为 0.2.1 且含mcp、claude-memories、bridged-memory关键词两个技能 1 个 Agent 2 个命令齐备且 frontmatter 有效README 将claude-flow/cli固定在 v3.6README 正确引用 ruflo-agentdb 的命名空间约定claude-memories保留命名空间消费方身份有据可查含memory_import_claude与SessionStartmemory_search_unified被引用跨命名空间检索加密静止模块完整ADR-096、AES-256-GCM、RFE1 幻数嗅探ADR-0001 状态为 Accepted无过时表述回归技能中无通配符工具授权。这意味着任何对 Agent 定义、命名空间消费关系或加密行为的改动都必须先通过这 10 项检查——插件行为以 smoke 测试为契约。安全补充静态加密ADR-096自 ruflo 3.6.25 起插件写入的 AgentDB SQLite 文件.swarm/memory.db支持可选 AES-256-GCM 静态加密README.md设置CLAUDE_FLOW_ENCRYPT_AT_REST1与CLAUDE_FLOW_ENCRYPTION_KEY后每次写入使用全新 12 字节 IV读取时通过RFE1幻数字节嗅探旧明文文件在迁移窗口期内继续可读嵌入向量随 SQLite blob 一并加密无需列级加密任何单字节翻转都会导致 GCM 认证失败而报错而非静默损坏。默认关闭开启无需迁移步骤。可用ruflo doctor -c encryption检查门禁状态。十、相关插件生态memory-specialist 并非孤岛它与以下插件协同构成完整记忆栈memory-specialist.mdruflo-agentdb完整 AgentDB 后端含 HNSWvector_indexes表命名空间约定持有方拥有claude-memories保留命名空间15 个agentdb_*MCP 工具ruflo-ruvectorFlashAttention-3、Graph RAG、混合检索、DiskANNruflo-rvf便携式 RVF 格式支持跨机器记忆导出/导入ruflo-knowledge-graph基于记忆条目的实体-关系图ruflo-intelligence从检索模式学习轨迹的 SONA 智能层。十一、快速上手从安装到一次完整检索# 1. 安装插件需 ruflo-core 提供 MCP server claude --plugin-dir plugins/ruflo-rag-memory # 2. 存储一条模式记忆 npx ruflo memory store --key oauth-flow --value OAuth2 with pkce for SPAs, use refresh tokens --namespace patterns # 3. 跨项目语义召回 npx ruflo recall oauth single page app # 4. 精确取回 npx ruflo memory retrieve --key oauth-flow --namespace patterns在 Agent 提示词中可直接调用 MCP 工具做检索增强const context await memory_search({ query: authentication patterns, limit: 3 }); // 返回来自所有会话的 Top-3 语义匹配完整的 CRUD 命令集store / search / retrieve / list / delete / recall见 commands/ruflo-memory.md 与 commands/recall.md其中recall的排序公式为余弦相似度 × MMR 多样性 × 时效衰减commands/recall.md即本指南第三部分管线的完整落点。至此从策略选择、检索管线、命名空间、分块策略、记忆整合、Claude Code 桥接、神经学习到验证契约memory-specialist 的 SOTA RAG 记忆体系已全部铺开。你可以依据本指南为任意 Agent 系统落地同款记忆架构以 HNSW 向量索引为底座、以 RRF 融合混合检索、以 MMR 保证多样性、以命名空间与保留策略治理生命周期、以 smoke.sh 守住契约边界。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ruflo-rag-memory 记忆专家 Agent：SOTA RAG 混合检索、Graph RAG 与记忆整合实战指南
ruflo-rag-memory 记忆专家 AgentSOTA RAG 混合检索、Graph RAG 与记忆整合实战指南【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo本篇技术指南围绕ruflo-rag-memory插件中的memory-specialist智能体agents/memory-specialist.md展开完整解析其在 ruflo 项目中的 RAG 记忆检索体系稀疏稠密混合检索与 RRF 融合、Graph RAG 多跳知识检索、MMR 多样性重排、记忆整合与自适应分块。读完本文你将掌握如何为跨会话 Agent 系统设计并落地一套可配置、可验证、可扩展的语义记忆检索方案并能直接复用仓库中的 CLI 命令、MCP 工具与命名空间规范。一、memory-specialist 是什么一个 SOTA RAG 记忆智能体的职责定义memory-specialist是 ruflo-rag-memory 插件声明的唯一一个 Agent模型为sonnet其 frontmatter 定义了六大核心职责agents/memory-specialist.md混合检索Hybrid search——稀疏BM25 稠密向量双路召回经 Reciprocal Rank FusionRRF融合官方标注可带来 20–49% 的检索质量提升Graph RAG——面向多跳知识检索配合社区发现community detection标注提升 30–60%智能检索——MMR 多样性重排 时效性recency打分记忆整合Memory consolidation——跨命名空间去重、合并、剪枝过期条目Claude Code 桥接——用 ONNX 向量嵌入把 Claude Code 自动记忆导入 AgentDB自适应分块——在语义边界切分文档而非按固定 token 数硬切。这并非营销措辞而是插件契约的一部分插件 README 明确给出该 Agent 的角色定位为 AgentDB management, HNSW optimization, memory bridge, consolidationplugins/ruflo-rag-memory/README.md并且 ADR-0001 确认插件版本 v0.2.0 已随该 Agent 一起发布docs/adrs/0001-rag-memory-contract.md。二、搜索策略选择按查询类型决定检索路线原文档给出了一张策略选择表这是整个检索系统的决策入口。不同的查询形态对应不同的检索路线查询类型策略原因事实查证Factual lookupDense searchHNSW快、单跳、精确语义匹配多跳推理Multi-hop reasoningGraph RAG跨文档追踪实体关系关键词 语义Hybridsparse dense RRF融合 BM25 精确度与向量召回率需要多样化结果Dense MMR reranking去除近重复最大化覆盖近期上下文Dense recency weighting优先时态相关的条目探索式查询Graph RAG community detection发现簇与潜在连接该策略选择逻辑同时沉淀在memory-search技能中默认 dense 用于快速单跳匹配--hybrid用于关键词语义混合查询--graph-rag用于推理类查询--smart则进入完整的五阶段检索管线skills/memory-search/SKILL.md。从源码结构看memory_searchMCP 工具在未指定 namespace 时默认跨所有命名空间扇出检索v3/claude-flow/cli/src/mcp-tools/memory-tools.ts这与省略 namespace 即搜索全部的技能说明相互印证。三、检索管线SOTA从查询嵌入到 Top-K原文档给出了核心检索管线图这是整个系统的骨架Query → [Embedding (ONNX 384d)] → [HNSW ANN search] ↓ [Optional: BM25 sparse search] ↓ [RRF Fusion (k60)] ↓ [MMR Reranking (λ0.7)] ↓ [Recency Boost (decay0.95/day)] ↓ Top-K Results管线要点EmbeddingONNX 384 维默认采用all-MiniLM-L6-v2模型产出 384 维向量plugins/ruflo-rag-memory/README.md由 ONNX Runtime 推理无需 GPU 即可在本地生成嵌入HNSW ANN 检索底层向量索引为 HNSWHierarchical Navigable Small World图索引存储在 AgentDB 的vector_indexes表中RRF 融合k60对稀疏与稠密两路排序结果按倒数排名加权融合MMR 重排λ0.7λ 越接近 1 越偏相关性越接近 0 越偏多样性0.7 是相关性为主、兼顾多样性的默认折中时效性增强decay0.95/天每天以 0.95 的指数衰减压低旧条目得分。源码级印证SmartRetrieval 五阶段管线智能检索模式--smart在源码中有完整的五阶段实现v3/claude-flow/memory/src/smart-retrieval.ts查询扩展Query expansion模板式变体生成不调用 LLM控制扩展数 ≤3 个变体以控制开销源码注释 Keeps variants cheap (≤3)smart-retrieval.ts多查询扇出 RRF对多个查询变体分别检索后做倒数排名融合时效性增强指数衰减半衰期默认 30 天recencyHalfLifeDays30加权上限默认 0.2recencyWeight0.2计算式为score * (1 recencyWeight * recency)smart-retrieval.tsMMR 多样性重排基于 token-Jaccard 代理相似度若候选携带嵌入向量则回退到余弦相似度smart-retrieval.ts会话轮转Session round-robin按session_id元数据交错来自不同会话的结果保证多会话覆盖。注意一个细节原文档的检索管线图中 recency decay 写为 0.95/天而源码中的五阶段管线默认采用 30 天半衰期的指数衰减Math.pow(0.5, ageMs / halfLifeMs)。两者表述维度不同——0.95/天是日常衰减系数写法半衰期是等价的时间尺度写法实际都是对元数据时间戳做指数衰减README.md 明确 Recency boost — exponential decay from metadata timestamps。调用方式一ruvector CLIruflo-ruvector 可用时# Hybrid search稀疏 稠密 npx ruvector search query --hybrid --limit 10 # Graph RAG多跳 npx ruvector search query --graph-rag --limit 10 # Brain knowledge search跨会话知识共享 npx ruvector brain search query # RAG 上下文检索MCP # hooks_rag_context({ query: topic, limit: 5 })当ruflo-ruvector同时加载时rag-memory 会把高级检索能力委托给 ruvector 后端FlashAttention-3 注意力、Graph RAG 多跳检索、混合检索 RRF 融合、DiskANN 大规模持久化索引plugins/ruflo-rag-memory/README.md。调用方式二claude-flow/cli CLI# Dense 语义检索 npx claude-flow/clilatest memory search --query QUERY --namespace NAMESPACE --limit 10 # 带元数据存储 npx claude-flow/clilatest memory store --key KEY --value VALUE --namespace NAMESPACE # 列出与审计 npx claude-flow/clilatest memory list --namespace NAMESPACE --limit 20 # 跨所有命名空间统一检索 npx claude-flow/clilatest memory search --query QUERY --limit 10memory search --smart会启用五阶段智能检索管线README.md最适合多会话回忆、时间类查询上周我们决定了什么和多样化结果集。统一检索模式memory_search_unified则跨所有命名空间同时查询并做 MMR 多样性重排结果带来源标注claude-code、auto-memory或agentdb。四、命名空间规范为记忆划分归属与保留策略原文档定义了六个命名空间及保留策略命名空间用途保留策略patterns行之有效的代码/设计模式永久tasks任务上下文与决策90 天solutionsBug 修复与解决方案永久feedback用户纠正与偏好永久security漏洞模式永久claude-memories桥接的 Claude Code 自动记忆会话启动时同步其中claude-memories是保留命名空间reserved namespace由 ruflo-agentdb 插件拥有rag-memory 只是它的规范消费方canonical consumer——这个归属关系在 ADR-0001 中被正式契约化docs/adrs/0001-rag-memory-contract.md。README 明确警告保留命名空间pattern、claude-memories、default不得被遮蔽其他五个命名空间则通过 namespace 路由的memory_*工具访问README.md。memory search默认 namespace 是default省略 namespace 即搜索全部命名空间commands/ruflo-memory.md。memory_store的 MCP 实现同样默认namespacedefault并支持 upsert 语义v3/claude-flow/cli/src/mcp-tools/memory-tools.ts。五、自适应分块在语义边界切分而非固定 token 数内容类型分块策略重叠Overlap代码文件函数/类边界AST 感知0自然边界Markdown 文档标题分隔的章节50 tokens对话对话轮次边界1 轮JSON/配置顶层键分组0纯文本512-token 窗口64 tokens设计要点AST 感知切分代码文件按函数/类边界切分且零重叠避免把两个无关函数拼进同一块导致检索污染Markdown 按标题切分以#级标题为自然章节边界重叠 50 tokens 保留章节间上下文衔接对话按轮次切分重叠 1 轮保留指代消解所需的上下文纯文本兜底512-token 窗口 64-token 重叠约 12.5%是唯一使用固定窗口的内容类型。这种结构优先、固定窗口兜底的分层策略是为了保证嵌入向量的语义纯度——切分边界与语义边界对齐检索召回的质量上限更高。六、记忆整合工作流Memory Consolidation原文档给出五步整合流程Audit审计——列出每个命名空间所有条目检查陈旧度30 天未触碰Deduplicate去重——查找余弦相似度 0.92 的条目合并为单条Prune剪枝——移除最近 30 天零检索命中的条目Compress压缩——摘要化冗长条目同时保留关键事实Re-index重建索引——整合后重建 HNSW 索引以维持图质量。npx claude-flow/clilatest hooks worker dispatch --trigger consolidateruflo-memory命令的 consolidate 操作与之一致余弦 0.92 去重、30 天未触碰且零检索命中则剪枝、随后重建 HNSW 索引commands/ruflo-memory.md。整合触发机制走 hooks worker 的--trigger consolidate说明这是一个可被 hook 系统调度、也可手动触发的异步任务。七、Claude Code 记忆桥Memory Bridge桥接流程把 Claude Code 的原生自动记忆统一收编进 AgentDBClaude Code SessionStart hook → memory_import_claudeMCP → claude-memories 命名空间保留由 ruflo-agentdb 拥有 → 由本插件的 memory-bridge 技能 memory_search_unified 暴露memory-bridge技能完整定义了导入步骤skills/memory-bridge/SKILL.md检查桥健康状态mcp__plugin_ruflo-core_ruflo__memory_bridge_status({})——核对 Claude 文件数、AgentDB 条目数、SONA 状态与连接状态导入记忆当前项目memory_import_claude({})全部项目memory_import_claude({ allProjects: true })CLI 替代命令node .claude/helpers/auto-memory-hook.mjs import-all验证导入再次调用memory_bridge_status确认条目数与文件数一致去重--dedupe合并余弦相似度 0.95 的近重复条目保留最新版本测试统一检索memory_search_unified({ query: test query, limit: 3 })结果带claude-code/auto-memory/agentdb来源标注。桥接在session-start时通过 SessionStart hook 自动运行手动调用仅在三种场景需要首次全项目导入、会话外批量记忆变更后、模型更新后强制重新嵌入memory-bridge/SKILL.md。嵌入统一用all-MiniLM-L6-v2生成 384 维 ONNX 向量存于claude-memories命名空间并建 HNSW 索引。八、神经学习从成功检索模式中持续训练任务完成后可以把成功的检索模式反馈给训练系统npx claude-flow/clilatest hooks post-task --task-id TASK_ID --success true --train-neural true这条命令把任务结果成功与否回传给 hooks 系统并触发神经训练属于 ruflo-intelligence 的 SONA 轨迹学习链路——从检索模式中学习让记忆系统随时间自我改进。九、验证与契约smoke.sh 即合同本插件的验证契约是bash plugins/ruflo-rag-memory/scripts/smoke.sh期望输出 10 passed, 0 failedREADME.md。10 项结构性检查覆盖scripts/smoke.shplugin.json 版本为 0.2.1 且含mcp、claude-memories、bridged-memory关键词两个技能 1 个 Agent 2 个命令齐备且 frontmatter 有效README 将claude-flow/cli固定在 v3.6README 正确引用 ruflo-agentdb 的命名空间约定claude-memories保留命名空间消费方身份有据可查含memory_import_claude与SessionStartmemory_search_unified被引用跨命名空间检索加密静止模块完整ADR-096、AES-256-GCM、RFE1 幻数嗅探ADR-0001 状态为 Accepted无过时表述回归技能中无通配符工具授权。这意味着任何对 Agent 定义、命名空间消费关系或加密行为的改动都必须先通过这 10 项检查——插件行为以 smoke 测试为契约。安全补充静态加密ADR-096自 ruflo 3.6.25 起插件写入的 AgentDB SQLite 文件.swarm/memory.db支持可选 AES-256-GCM 静态加密README.md设置CLAUDE_FLOW_ENCRYPT_AT_REST1与CLAUDE_FLOW_ENCRYPTION_KEY后每次写入使用全新 12 字节 IV读取时通过RFE1幻数字节嗅探旧明文文件在迁移窗口期内继续可读嵌入向量随 SQLite blob 一并加密无需列级加密任何单字节翻转都会导致 GCM 认证失败而报错而非静默损坏。默认关闭开启无需迁移步骤。可用ruflo doctor -c encryption检查门禁状态。十、相关插件生态memory-specialist 并非孤岛它与以下插件协同构成完整记忆栈memory-specialist.mdruflo-agentdb完整 AgentDB 后端含 HNSWvector_indexes表命名空间约定持有方拥有claude-memories保留命名空间15 个agentdb_*MCP 工具ruflo-ruvectorFlashAttention-3、Graph RAG、混合检索、DiskANNruflo-rvf便携式 RVF 格式支持跨机器记忆导出/导入ruflo-knowledge-graph基于记忆条目的实体-关系图ruflo-intelligence从检索模式学习轨迹的 SONA 智能层。十一、快速上手从安装到一次完整检索# 1. 安装插件需 ruflo-core 提供 MCP server claude --plugin-dir plugins/ruflo-rag-memory # 2. 存储一条模式记忆 npx ruflo memory store --key oauth-flow --value OAuth2 with pkce for SPAs, use refresh tokens --namespace patterns # 3. 跨项目语义召回 npx ruflo recall oauth single page app # 4. 精确取回 npx ruflo memory retrieve --key oauth-flow --namespace patterns在 Agent 提示词中可直接调用 MCP 工具做检索增强const context await memory_search({ query: authentication patterns, limit: 3 }); // 返回来自所有会话的 Top-3 语义匹配完整的 CRUD 命令集store / search / retrieve / list / delete / recall见 commands/ruflo-memory.md 与 commands/recall.md其中recall的排序公式为余弦相似度 × MMR 多样性 × 时效衰减commands/recall.md即本指南第三部分管线的完整落点。至此从策略选择、检索管线、命名空间、分块策略、记忆整合、Claude Code 桥接、神经学习到验证契约memory-specialist 的 SOTA RAG 记忆体系已全部铺开。你可以依据本指南为任意 Agent 系统落地同款记忆架构以 HNSW 向量索引为底座、以 RRF 融合混合检索、以 MMR 保证多样性、以命名空间与保留策略治理生命周期、以 smoke.sh 守住契约边界。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考