智能体持久化记忆系统设计：基于文件优先架构的mem.net实践-编程阁

1. 项目概述：为智能体构建一个文件优先的持久化记忆系统

在构建智能体（Agent）应用时，一个核心挑战是如何让智能体拥有跨越对话和重启的“记忆”。我们常常遇到这样的场景：用户昨天告诉智能体自己的偏好和项目进展，今天重启服务后，智能体又回到了“白板”状态，一切需要从头开始。传统的做法可能是将对话历史一股脑塞进上下文，但这不仅浪费宝贵的Token，还让智能体难以精准地回忆和利用关键信息。

mem.net正是为了解决这个问题而生。它是一个专为智能体设计的、文件优先（File-first）的记忆基础设施。它的核心思想非常直观：将智能体的记忆像我们管理项目文档一样，以文件的形式组织起来，并提供确定性的上下文组装和事件回溯能力。简单来说，它让智能体拥有了一个可持久化、可搜索、结构化的“外部大脑”。这个项目基于 .NET 8 构建，提供了从本地文件系统到云端 Azure AI Search 等多种后端支持，旨在为开发者提供一个可靠、灵活的记忆层解决方案。

无论你是在开发一个个人助理、一个项目协作机器人，还是一个复杂的多步骤工作流智能体，mem.net都能帮助你解决记忆持久化、上下文管理和信息检索的痛点。接下来，我将从一个实践者的角度，深入拆解它的设计理念、核心用法以及在实际集成中需要注意的细节。

2. 核心设计理念与架构解析

2.1 为什么是“文件优先”？

在深入代码之前，理解mem.net的“文件优先”哲学至关重要。这与许多直接将向量嵌入存入数据库的方案有本质区别。

核心理念：将智能体的长期记忆建模为一系列可读、可写的文本文件。例如，一个用户的个人档案（profile.md）、长期目标（long_term_memory.md）或具体项目笔记（projects/{project_name}.md）。这种设计带来了几个显著优势：

可解释性与可调试性：记忆以纯文本形式存储，开发者可以直接查看、编辑，极大降低了调试和问题排查的难度。你不再需要去猜测向量数据库里某个嵌入到底代表了什么。
确定性操作：对文件的读写、修补（Patch）是确定性的。你可以精确地控制哪些记忆片段被放入上下文，避免了基于相似度搜索可能带来的“幻觉”或无关信息干扰。
与现有工具链集成：文件是软件开发中最基础的抽象。这意味着mem.net存储的记忆可以轻松地用版本控制系统（如 Git）管理，用文本编辑器查看，或用其他命令行工具处理。

心智模型非常简单清晰：

存储：为特定的(tenant_id, user_id)作用域存储文件。
更新：通过要求If-Match条件（ETag）来修补或覆写文件，确保并发安全，避免写入冲突。
事件记录：将事件摘要（例如“用户询问了X问题”、“智能体执行了Y操作”）单独存储，用于后续的语义搜索和回忆。
上下文组装：在需要时，显式地指定一组文件路径，将它们的内容组装成供大语言模型（LLM）使用的上下文。

在这个模型中，文件、事件和审计日志是“唯一真相源”，而搜索索引（如用于事件检索的）是从这些源衍生出的状态，用于加速查询。

2.2 架构与核心组件

mem.net的架构围绕几个核心服务展开，下图展示了其核心数据流（注：此处用文字描述替代原SVG图）：

记忆服务：作为核心HTTP API服务器，接收所有记忆操作请求。
存储提供者：一个可插拔的抽象层。默认使用本地文件系统，也可切换为retrievo（本地BM25搜索）或Azure（Blob存储 + AI Search）。
数据存储：分为三个逻辑部分：
- 文档存储：存放核心记忆文件（如profile.md）。
- 事件存储：存放可搜索的事件摘要。
- 审计存储：记录所有操作的日志，用于追踪和调试。
SDK：提供 .NET 客户端库，包含低级的MemNet.Client和高级的MemNet.AgentMemory，方便应用集成。

这种分离关注点的设计，使得存储后端可以灵活更换，而业务逻辑和API接口保持一致。例如，在开发测试阶段使用filesystem提供者快速迭代，在生产环境则切换到azure提供者以获得高可用性和强大的搜索能力。

2.3 推荐的文件约定与组织策略

项目推荐了一套默认的文件组织约定，这对于保持记忆的结构化和可管理性非常有帮助。其核心是基于(tenant_id, user_id)的作用域进行隔离。

推荐的智能体记忆文件结构：

profile.md：存储用户或智能体身份的基本信息、固定偏好、角色设定等。这是记忆的“基石”。
long_term_memory.md：存储需要长期保留、不常变动但重要的信息，比如达成的重大里程碑、核心决策逻辑、学到的关键知识等。
projects/{project_name}.md：为每个项目或任务创建独立的文件。这非常适合管理动态的、阶段性的工作上下文。例如，projects/website_redesign.md里可以记录需求、进度、待办事项和会议纪要。

事件摘要的存储：所有的事件记录（通过POST /events接口写入）默认存储在/events路径下，但它们不直接以文件形式暴露，而是通过专门的events:search接口进行查询。这保证了事件检索的效率。

实践建议：在设计你的智能体时，应该像设计一个文件夹结构一样设计它的记忆空间。清晰的路径规划（如conversations/2024-05-17.md，knowledge/base/linux_commands.md）能让后续的上下文组装 (context:assemble) 更加精准和高效。避免将所有内容堆砌在一个文件里。

3. 快速上手指南：从零部署到第一个API调用

3.1 环境准备与项目构建

首先，你需要一个支持 .NET 8 的开发环境。可以从 .NET 官网下载并安装 SDK。

# 克隆仓库 git clone https://github.com/TianqiZhang/mem.net.git cd mem.net # 还原项目依赖 # 使用 --configfile 参数指定 NuGet 配置，确保能正确解析所有包（包括可能的预览版包） dotnet restore MemNet.sln --configfile NuGet.Config # 编译解决方案 dotnet build MemNet.sln -c Debug

注意：NuGet.Config文件可能包含了项目所需的特定包源。如果还原失败，检查该文件内容或网络连接。对于公司内部环境，可能需要配置额外的私有源。

3.2 启动本地记忆服务（文件系统模式）

默认情况下，mem.net使用本地文件系统作为存储后端，无需任何额外配置，最适合快速开始和开发调试。

# 进入服务项目目录并运行 cd src/MemNet.MemoryService dotnet run

服务默认会在http://localhost:5071启动。你可以通过健康检查接口验证服务是否正常运行：

curl -s http://localhost:5071/

期望的返回是一个简单的JSON，表明服务状态正常：

{"service": "mem.net", "status": "ok"}

3.3 核心API初体验

记忆服务的所有API都基于tenantId和userId进行作用域划分，路径格式为/v1/tenants/{tenantId}/users/{userId}/...。我们来尝试几个基本操作。

1. 写入一份用户档案

# 使用 PUT 方法创建或替换文件。首次创建时，ETag 条件 (If-Match) 可以省略或使用 “*”。 curl -X PUT http://localhost:5071/v1/tenants/acme-corp/users/alice/files/profile.md \ -H "Content-Type: text/markdown" \ -d "# Alice's Profile - Role: Software Engineer - Interests: Distributed Systems, Rust - Current Project: mem.net Integration"

2. 读取这份档案

curl http://localhost:5071/v1/tenants/acme-corp/users/alice/files/profile.md

3. 修补（Patch）文件内容Patch操作是mem.net的一个亮点，它允许你对文件进行细粒度的、确定性的修改，而不是整体重写。这需要提供If-Match头，其值应为上次读取或写入时返回的ETag，以确保你基于最新的版本进行修改。

# 首先，获取文件的 ETag。通常在上次 GET 或 PUT 的响应头中。 # 假设我们得到的 ETag 是 \"abc123\" curl -X PATCH http://localhost:5071/v1/tenants/acme-corp/users/alice/files/profile.md \ -H "Content-Type: application/json" \ -H "If-Match: \"abc123\"" \ -d '{ "edits": [ { "oldText": "Current Project: mem.net Integration", "newText": "Current Project: mem.net Integration (In Progress)" } ] }'

重要提示：并发安全依赖于If-Match。如果在你读取ETag之后、提交Patch之前，文件已被其他请求修改（ETag改变），这次Patch请求会失败并返回412 Precondition Failed。客户端必须处理这种冲突，通常的策略是重新读取文件内容，合并更改后再次尝试。

4. 组装上下文这是智能体在准备提示词（Prompt）前的关键一步。你可以指定多个文件，服务会将它们的内容按顺序拼接起来，并确保总长度不超过限制。

curl -X POST http://localhost:5071/v1/tenants/acme-corp/users/alice/context:assemble \ -H "Content-Type: application/json" \ -d '{ "files": [ {"path": "profile.md"}, {"path": "projects/mem.net-integration.md"} ], "maxDocs": 5, "maxCharsTotal": 8000 }'

3.4 运行测试套件

为了确保你的本地环境一切正常，运行测试是一个好习惯。

# 回到解决方案根目录，运行所有测试 cd ../.. dotnet test MemNet.sln -c Debug

项目包含了单元测试和集成测试。如果所有测试通过，说明核心功能在你的机器上运行良好。你也可以运行一个更轻量的“冒烟测试”来快速验证运行时连线。

dotnet run --project tests/MemNet.MemoryService.SpecTests -c Debug

4. 深入集成：使用 .NET SDK 构建智能体记忆层

直接调用HTTP API虽然灵活，但在 .NET 应用中，使用官方 SDK 是更优雅和类型安全的方式。mem.net提供了两个层次的SDK。

4.1 低级客户端：完全控制

MemNet.Client库几乎一对一地映射了 REST API，适合需要精细控制或非标准集成的场景。

using MemNet.Client; using System.Text.Json; // 用于处理返回的上下文 // 1. 配置并创建客户端 var clientOptions = new MemNetClientOptions { BaseAddress = new Uri("http://localhost:5071"), // ServiceId 用于审计日志，标识调用方 ServiceId = "my-ai-agent-service" }; using var client = new MemNetClient(clientOptions); // 2. 定义作用域 var userScope = new MemNetScope("acme-corp", "alice"); // 3. 列出项目文件 try { var listRequest = new ListFilesRequest(Prefix: "projects/", Limit: 50); var fileList = await client.ListFilesAsync(userScope, listRequest); Console.WriteLine($"Found {fileList.Files.Count} project files."); foreach (var file in fileList.Files) { Console.WriteLine($" - {file.Path} (Size: {file.SizeBytes}, ETag: {file.ETag})"); } } catch (MemNetApiException ex) { // 处理API错误，例如404（路径不存在） Console.WriteLine($"API Error: {ex.StatusCode} - {ex.Message}"); } // 4. 组装上下文供LLM使用 var assembleRequest = new AssembleContextRequest( Files: [ new AssembleFileRef("profile.md"), new AssembleFileRef("long_term_memory.md"), // 动态加入最近修改的项目文件 new AssembleFileRef("projects/current_sprint.md") ], MaxDocs: 10, // 最大文件数限制 MaxCharsTotal: 16000 // 总字符数限制，防止上下文过长 ); var contextResult = await client.AssembleContextAsync(userScope, assembleRequest); // contextResult.Content 包含了组装好的文本 var assembledContext = contextResult.Content; Console.WriteLine($"Assembled context length: {assembledContext.Length} chars");

4.2 高级代理门面：为智能体框架量身打造

MemNet.AgentMemory库在低级客户端之上，封装了一套更符合智能体编程模式的接口，它抽象了ETag管理和一些常见操作。

using MemNet.AgentMemory; using MemNet.Client; // 1. 初始化 using var client = new MemNetClient(new MemNetClientOptions { BaseAddress = new Uri("http://localhost:5071") }); var scope = new MemNetScope("acme-corp", "alice"); // AgentMemoryPolicy 定义了记忆操作的策略，例如默认文件集 var memoryPolicy = new AgentMemoryPolicy( defaultFiles: ["profile.md", "long_term_memory.md"], // 默认加载的文件 eventIndexingEnabled: true // 是否自动为写入的事件建立索引（如果后端支持） ); var agentMemory = new AgentMemory(client, memoryPolicy); // 2. 写入记忆文件（简化版，内部处理ETag） await agentMemory.MemoryWriteFileAsync( scope, "projects/weekly_report.md", "# Weekly Report 2024-05-20\n- Completed mem.net SDK integration.\n- Next: Write documentation.\n"); // 3. 读取记忆文件 var reportContent = await agentMemory.MemoryLoadFileAsync(scope, "projects/weekly_report.md"); Console.WriteLine(reportContent); // 4. 修补文件（高级接口，自动处理冲突重试） await agentMemory.MemoryPatchFileAsync( scope, "projects/weekly_report.md", edits: [ new MemoryPatchEdit( oldText: "Next: Write documentation.", newText: "Next: Write documentation and create sample project.") ], occurrence: 1 // 替换第1次匹配到的 oldText ); // 5. 基于事件的回忆（Semantic Recall） // 假设我们之前通过 `MemoryRecordEventAsync` 记录了一些事件 var recallResults = await agentMemory.MemoryRecallAsync( scope, query: "What was completed last week regarding the integration?", topK: 3 // 返回最相关的3个事件摘要 ); foreach (var eventDigest in recallResults.Events) { Console.WriteLine($"Recalled: {eventDigest.Text} (Score: {eventDigest.Score})"); }

AgentMemory类的设计意图是成为智能体框架（如 Semantic Kernel, LangChain .NET 版本）中的一个“记忆插件”。它的方法命名（MemoryWriteFileAsync,MemoryRecallAsync）更贴近智能体的认知行为。

4.3 官方示例剖析：一个完整的智能体循环

samples/MemNet.AgentFramework.Sample项目是一个极佳的学习资源。它演示了一个具备持久化记忆的简单对话智能体是如何工作的。

核心流程：

启动与记忆预热：智能体启动时，调用context:assemble加载默认记忆文件（如profile.md），建立初始上下文。
项目发现：通过memory_list_files(“projects/“)列出所有项目文件，了解当前的工作上下文。这个过程是“重启安全”的——无论服务重启多少次，项目文件都在。
对话循环：
- 用户输入一个问题。
- 智能体首先使用memory_recall(query)在历史事件中搜索相关记忆。
- 然后，结合回忆的结果和当前相关的项目文件内容，组装成完整的提示词发送给LLM（如GPT）。
- LLM生成回答。
- 智能体将本次交互的关键信息作为事件摘要，通过memory_record_event记录下来，供未来回忆。
记忆快照：只有在智能体执行了memory_write_file或memory_patch_file等显式修改操作后，才会触发记忆的持久化保存。这避免了每次对话都进行不必要的IO操作。

运行这个示例：你需要准备一个LLM的API密钥。示例支持 OpenAI 和 Azure OpenAI。

# 方式一：使用 OpenAI export OPENAI_API_KEY="sk-..." export OPENAI_MODEL="gpt-4" export MEMNET_BASE_URL="http://localhost:5071" export MEMNET_TENANT_ID="demo-tenant" export MEMNET_USER_ID="demo-user" dotnet run --project samples/MemNet.AgentFramework.Sample # 方式二：使用 Azure OpenAI export AZURE_OPENAI_ENDPOINT="https://<your-resource>.openai.azure.com/" export AZURE_OPENAI_DEPLOYMENT_NAME="gpt-35-turbo" export AZURE_OPENAI_API_KEY="..." # ... 同样设置 MEMNET_* 环境变量 dotnet run --project samples/MemNet.AgentFramework.Sample

运行后，你会看到一个交互式控制台，智能体会利用mem.net来记住跨会话的对话内容。这是理解整个系统如何运作的最直观方式。

5. 生产环境部署与配置详解

5.1 存储提供者选型与配置

mem.net支持三种存储提供者，通过环境变量MEMNET_PROVIDER切换。

1. Filesystem (默认)最简单，无需额外服务。所有数据存储在本地磁盘。

export MEMNET_PROVIDER=filesystem export MEMNET_DATA_ROOT=/path/to/your/memory/data # 可选，默认为当前目录下特定文件夹

注意事项：单机部署且数据量不大时首选。需确保运行服务的用户对MEMNET_DATA_ROOT目录有读写权限。数据备份需要自行处理文件系统备份。

2. Retrievo在 Filesystem 的基础上，为事件摘要增加了本地的 BM25 全文搜索能力，无需依赖外部搜索服务。

export MEMNET_PROVIDER=retrievo export MEMNET_DATA_ROOT=/path/to/data

Retrievo 作为一个 NuGet 包 (TianqiZhang.Retrievo) 被集成，在dotnet restore时自动安装。它会在MEMNET_DATA_ROOT下管理自己的索引文件。这是性能和生产特性之间的一个良好折中。

3. Azure用于生产环境，提供高可用、可扩展的存储和强大的AI驱动搜索。

export MEMNET_PROVIDER=azure export MEMNET_AZURE_STORAGE_SERVICE_URI="https://<your_storage>.blob.core.windows.net" export MEMNET_AZURE_DOCUMENTS_CONTAINER="memnet-documents" export MEMNET_AZURE_EVENTS_CONTAINER="memnet-events" export MEMNET_AZURE_AUDIT_CONTAINER="memnet-audit" # 以下为AI Search配置（可选，但强烈建议用于事件回忆） export MEMNET_AZURE_SEARCH_ENDPOINT="https://<your_search>.search.windows.net" export MEMNET_AZURE_SEARCH_INDEX="memnet-events-index" export MEMNET_AZURE_SEARCH_SCHEMA_PATH="./infra/search/events-index.schema.json"

使用 Azure 提供者需要以特定方式编译服务，启用 Azure SDK 支持：

dotnet build src/MemNet.MemoryService/MemNet.MemoryService.csproj -p:MemNetEnableAzureSdk=true

5.2 Azure 环境初始化（Bootstrap）

Azure AI Search 的索引不会在服务运行时自动创建。你需要使用项目提供的引导工具进行一次性初始化。

# 1. 检查当前配置和状态（干跑） dotnet run --project tools/MemNet.Bootstrap -- azure --check # 2. 应用配置，创建资源（幂等操作，可安全重复执行） dotnet run --project tools/MemNet.Bootstrap -- azure --apply

--apply命令会执行以下操作：

确保指定的 Azure Blob 存储容器存在。
根据MEMNET_AZURE_SEARCH_SCHEMA_PATH指向的 JSON 架构文件，在 Azure AI Search 中创建或更新索引。这个架构定义了事件摘要的哪些字段（如文本、时间戳、元数据）需要被索引和如何被搜索。

架构文件示例 (events-index.schema.json) 关键部分：

{ "name": "memnet-events-index", "fields": [ { "name": "id", "type": "Edm.String", "key": true, "searchable": false }, { "name": "text", "type": "Edm.String", "searchable": true, "analyzer": "en.microsoft", // 使用英文分析器 "filterable": false, "sortable": false, "facetable": false }, { "name": "timestamp", "type": "Edm.DateTimeOffset", "searchable": false, "filterable": true, "sortable": true, "facetable": false } // ... 其他字段如 tenantId, userId, metadata 等 ], "scoringProfiles": [ { "name": "textRecencyBoost", "text": { "weights": { "text": 2 } }, "functions": [ { "type": "freshness", "fieldName": "timestamp", "boost": 1.5, "interpolation": "linear", "freshness": { "boostingDuration": "P30D" } // 30天内的事件有新鲜度加分 } ] } ], "defaultScoringProfile": "textRecencyBoost" }

这个配置使得events:search接口不仅能进行关键词匹配，还能让更近期的事件获得更高的排名，这在实际的智能体回忆场景中非常有用。

5.3 安全、监控与运维考虑

认证与授权：开箱即用的mem.net服务没有内置用户认证。在生产环境中，你必须在前端（如API网关、反向代理）或通过中间件实现认证，确保只有合法的请求能到达记忆服务。tenantId和userId应来自经过认证的令牌（如JWT）。
网络隔离：确保记忆服务（MemNet.MemoryService）不直接暴露在公网。它应该部署在内网，仅被你的智能体后端服务访问。
审计日志：所有操作都会记录审计日志（取决于提供者，文件系统下是日志文件，Azure下是Blob）。定期检查审计日志是排查问题和进行安全分析的重要手段。
数据保留与清理：mem.net提供了POST /retention:apply接口，你可以基于策略（如删除超过90天的事件）清理旧数据。你需要自行实现一个定时任务（如Cron Job）来调用此接口。
监控与健康检查：除了根路径的健康检查，服务应集成到你的APM（应用性能监控）系统中。监控关键指标：API响应时间、错误率、存储空间使用情况（文件系统模式）或Azure资源使用率。

6. 实战经验、常见问题与排查技巧

6.1 性能优化与最佳实践

上下文组装策略：context:assemble是性能关键路径。避免在每次LLM调用时组装过多的文件或过长的内容。
- 策略：智能体应维护一个“当前焦点文件”列表。例如，只组装profile.md+current_project.md+ 最近3个相关的事件摘要。利用maxCharsTotal进行硬性截断。
- 缓存：对于不常变的文件（如profile.md），可以在客户端内存中缓存其内容和ETag，减少不必要的网络请求。
事件摘要的撰写技巧：事件摘要是回忆 (recall) 的燃料。写得好，搜得准。
- 要具体：不要写“讨论了项目”，而是写“与产品团队讨论了mem.net集成项目的API设计，决定采用PATCH进行增量更新”。
- 包含关键实体：提及人、项目、技术名词，这些是BM25或向量搜索的良好关键词。
- 结构化（可选）：可以考虑用简单的键值对或标记，例如[Decision] Use Azure Provider for production。

ETag与并发控制：这是实现冲突安全写入的核心。客户端必须妥善处理412 Precondition Failed。

标准重试模式：

async Task<bool> SafePatchWithRetry(MemNetScope scope, string path, MemoryPatchEdit[] edits, int maxRetries = 3) { for (int i = 0; i < maxRetries; i++) { try { // 1. 先读取当前文件内容和ETag var currentFile = await _client.GetFileAsync(scope, path); // 2. 基于当前内容计算或合并你的修改 (这里简化了合并逻辑) var newContent = MergeChanges(currentFile.Content, edits); // 3. 尝试用读取到的ETag进行PATCH await _client.PatchFileAsync(scope, path, edits, currentFile.ETag); return true; } catch (MemNetApiException ex) when (ex.StatusCode == System.Net.HttpStatusCode.PreconditionFailed) { // ETag已过期，循环重试 if (i == maxRetries - 1) throw; // 重试次数用尽 await Task.Delay(100 * (i + 1)); // 指数退避 } } return false; }

高并发场景：如果多个智能体实例可能同时修改同一份记忆，需要考虑更复杂的协调机制，或者将记忆按领域划分得更细，减少冲突域。

6.2 常见问题与解决方案

问题现象	可能原因	排查步骤与解决方案
API调用返回404	1. 服务未运行。 2. 路径错误。 3. 文件不存在（对于GET操作）。	1. 检查服务进程 (`curl http://localhost:5071/`)。 2. 确认URL中的`tenantId`,`userId`,`path`正确，路径是URL编码的。 3. 对于GET文件，先调用`files:list`确认文件是否存在。
PATCH操作返回412	并发冲突。在你读取ETag后，文件已被其他请求修改。	实现上文所述的“读取-修改-重试”循环。确保你的业务逻辑能处理合并冲突。
`events:search`返回空结果	1. 未配置搜索提供者（如Azure AI Search）。 2. 事件摘要未正确索引。 3. 查询词不匹配。	1. 确认`MEMNET_PROVIDER`配置了支持搜索的提供者（`retrievo`或`azure`）。 2. 检查事件写入是否成功（查看审计日志）。对于Azure，检查索引状态和架构。 3. 尝试更简单、更具体的关键词查询。
服务启动失败，提示Azure配置错误	1. 环境变量缺失或格式错误。 2. 未使用`-p:MemNetEnableAzureSdk=true`编译。 3. Azure身份凭证无效。	1. 逐一核对`MEMNET_AZURE_*`环境变量。 2. 重新使用正确参数编译项目。 3. 在Azure VM或配置了Managed Identity的环境中运行；或确保`Azure.Identity`默认凭证链能工作（如VS登录、Azure CLI登录）。
本地文件系统模式下，数据丢失	1.`MEMNET_DATA_ROOT`路径权限问题。 2. 服务在不同路径下重启。 3. 磁盘损坏。	1. 检查运行服务的用户对数据目录有读写权限。 2. 固定`MEMNET_DATA_ROOT`环境变量，不要使用相对路径。 3. 实施定期备份策略，将`MEMNET_DATA_ROOT`目录备份到其他位置。
组装上下文时超时或响应慢	1. 组装的文件总大小过大。 2. 网络延迟高（远程存储）。 3. 存储后端性能瓶颈。	1. 严格设置`maxCharsTotal`（如16000）。在客户端进行预检查。 2. 将记忆服务部署在靠近智能体后端的位置。 3. 监控存储后端（如Azure Blob的指标）。考虑对超大文件进行分块存储。

6.3 调试与日志

服务日志：运行服务时，控制台会输出结构化日志（取决于配置的日志提供者，如Console, Serilog）。关注Information级别以上的日志，特别是错误堆栈。
审计日志：这是最强大的调试工具。每个API调用都会产生一条审计记录，包含操作类型、路径、用户、时间戳和结果状态。在文件系统模式下，审计日志通常位于[DATA_ROOT]/audit/目录下。通过分析审计日志，可以完整追溯任何记忆操作的流水线。
使用curl或 Postman 手动测试：当SDK集成遇到问题时，回归到最基本的HTTP API进行测试，可以快速定位是服务端问题还是客户端逻辑问题。

将mem.net集成到你的智能体系统中，本质上是在为其添加一个可靠的外部记忆器官。从简单的文件操作开始，逐步引入事件回忆和复杂的上下文组装策略，你会发现智能体的连贯性和实用性得到了质的提升。这个项目的设计充分体现了“简单性”和“明确性”的工程哲学，它不试图解决所有问题，而是专注于把“记忆”这个基础问题解决好，为上层更复杂的智能体逻辑提供坚实的支撑。