xbot 支持可插拔的记忆提供者。Agent 使用记忆在对话间持久化信息、回忆过往交互、维护用户专属上下文。
| Flat（默认） | Letta（MemGPT 风格） | |
|---|---|---|
| 核心记忆 | 内存块 | SQLite（始终在提示词中） |
| 归档记忆 | Grep 可搜索的文本块 | 向量搜索（chromem-go） |
| 回顾记忆 | 事件历史 | FTS5 全文搜索 |
| 依赖 | 无 | 需要嵌入模型 |
MEMORY_PROVIDER=flat # 或: letta
Letta 模式需配置嵌入模型：
LLM_EMBEDDING_PROVIDER=openai
LLM_EMBEDDING_BASE_URL=https://api.openai.com/v1
LLM_EMBEDDING_API_KEY=sk-xxx
LLM_EMBEDDING_MODEL=text-embedding-3-small
所有长期记忆存储为单个文本块，每次请求时注入系统提示词。当你通过 /new 开启新会话时，LLM 会合并和压缩记忆块。
工具: memory_write、memory_list
| 特性 | 详情 |
|---|---|
| 存储 | 文件文本块 |
| 持久化 | 与会话状态一起保存/恢复 |
| 合并 | /new 时由 LLM 驱动 |
| 搜索 | 基础文本匹配（grep 风格） |
Tip大多数用户应该选择 Flat。 它极其简单，无需额外配置，记住偏好和关键信息效果很好。
受 MemGPT 启发的三层记忆架构。基于 SQLite 构建，支持 chromem-go 向量嵌入和 FTS5 全文搜索。
以下三个记忆块始终存在于系统提示词中：
| 记忆块 | 用途 | 隔离策略 |
|---|---|---|
persona | Agent 的身份和性格 | 全局——所有用户共享 |
human | 每用户观察和偏好 | 按用户——通过发送者 ID 隔离 |
working_context | 当前任务状态和活跃上下文 | 按会话——/new 时重置 |
工具: core_memory_append、core_memory_replace、rethink
面向详细事实、事件和上下文的长期向量存储。基于 SQLite + chromem-go 嵌入，支持语义搜索。
工具: archival_memory_insert、archival_memory_search
完整的对话历史，可按日期范围搜索。由 SQLite FTS5（全文搜索）提供支持，关键词匹配速度极快。
工具: recall_memory_search
当开启新会话（/new 命令）时：
| Provider | 行为 |
|---|---|
| Flat | LLM 合并和压缩记忆块——旧记忆被总结，冗余内容被移除 |
| Letta | 核心记忆跨会话保留；归档记忆保留；working_context 被清除 |
在多租户部署中（Server 模式，多个渠道如飞书 + Web）：
persona是全局的——Agent 的核心身份在所有用户之间共享human是按用户的——Agent 了解到的关于 Alice 的信息对 Bob 不可见working_context是按会话的——每个对话维护自己的任务上下文
Important通过core_memory_append/core_memory_replace设置的核心记忆块在会话之间是持久化的。使用rethink触发 Agent 重新审视和演进其记忆，类似于 MemGPT 的自我编辑机制。
详见核心记忆隔离设计。