AutoDream（梦境系统）
AI Agent 的后台记忆整合系统，让 AI 在"空闲时"像人类睡眠一样整理和巩固记忆。
核心理念
借鉴认知科学中的 记忆巩固理论 ——人类在 REM 睡眠阶段，大脑会重播白天的经历，将短期记忆转化为长期记忆。AutoDream 对 AI 做了同样的事。
触发机制：三重门控
- 时间门控：距离上次整合至少 24 小时
- 会话门控：至少经历了 5 次对话会话
- 锁门控：文件锁未被其他进程持有
四阶段整合流程
| 阶段 | 名称 | 做什么 |
|---|---|---|
| Phase 1 | Orient（定位） | 读取当前记忆索引，理解已有知识结构 |
| Phase 2 | Gather（收集） | 扫描近期会话记录，提取新知识碎片 |
| Phase 3 | Consolidate（整合） | 将新旧知识融合，更新/合并/创建记忆条目 |
| Phase 4 | Prune & Index（修剪） | 删除过时/冗余记忆，重建索引 |
技术实现
- 文件锁机制：基于 mtime 的悲观锁，PID 标识持有者
- Stale 检测：超过 1 小时的锁视为失效
- 回滚机制：失败时执行完整的 rollback
与熵治理的关系
AutoDream 是 [[harness-engineering]] 中"熵治理"支柱的关键实现，自动对抗记忆碎片化和上下文腐烂。
相关概念
- [[harness-engineering]] — 梦境系统是 Harness Engineering 的熵治理手段
- [[deep-agents]] — 深度代理需要持久记忆和自动整合