记忆

kgent 应通过显式接口集成外部记忆系统。

运行时不应依赖某一种记忆数据库或 schema。

分层记忆模型

借鉴 GenericAgent 中有价值的部分，kgent 可以使用分层模型：

L0 Meta Rules
  系统规则、策略和角色约束。
  Agent 不应修改这些内容。

L1 Index
  技能索引和记忆索引。
  用于路由和召回。

L2 Facts
  稳定的用户、项目或组织事实。

L3 Skills
  经过审查的可复用工作流和专业能力。

L4 Session Archives
  历史运行摘要和 artifacts。

推荐集成方式

记忆应暴露成工具：

recall_memory(query, scope, limit)
write_memory(content, scope, tags)

运行时也可以在运行前自动召回：

prompt
  -> memory recall
  -> memory summary
  -> injected context

写入策略

Agent 不应随意写入持久记忆。

第一版建议：

• 允许候选记忆
• 持久化前进行审查或过滤
• 只写入稳定事实
• 避免存储临时猜测
• 区分 user/project/org scopes

Run Archive 作为记忆来源

每次运行都应创建之后可被索引的归档：

runs/<run-id>/archive/
  session-summary.md
  reusable-patterns.md
  candidate-memory.jsonl