#Memory Automation Guide：自动化调度与运维

运维侧手册。前置阅读 memory-basics.md。

#1. 调度架构

Memory Automation 的 3 个定时作业已从 pg_cron 迁移至 Unified Scheduler（基于 ScheduledTaskRegistry 的应用层心跳模式），通过 /interface/scheduler 页面统一管理。

任务 Key	Scheduler Key	频率（默认）	作用	实现入口
`cleanup_memories`	`memory_cleanup`	每天 02:00	基于 Ebbinghaus 遗忘曲线清理低价值记忆	`handlers/memory_automation.py`
`trigger_consolidation`	`memory_consolidation`	每小时	按时间窗口批量触发会话巩固任务	`handlers/memory_automation.py`
`reweight_relevance`	`memory_reweight`	每 6 小时	Rocchio 相关性重加权	`handlers/memory_automation.py`

三个任务共享 handler_kind = 'memory_automation'，由 task.payload.job_type 路由到具体子处理函数。参数全部从 task.payload 读取（带默认值），不依赖外部配置表。

#2. 任务管理入口

所有操作均需 Admin 权限，支持 SSE 实时推送执行事件。

#3. 通过 Scheduler REST API 配置

hljs bash

# 查看所有任务
curl -H "Authorization: Bearer $TOKEN" \
  "http://localhost:3292/api/scheduler/tasks"

# 启用/禁用任务
curl -X POST -H "Authorization: Bearer $TOKEN" \
  "http://localhost:3292/api/scheduler/tasks/{task_id}/toggle"

# 手动触发一次
curl -X POST -H "Authorization: Bearer $TOKEN" \
  "http://localhost:3292/api/scheduler/tasks/{task_id}/run"

# 查看执行历史
curl -H "Authorization: Bearer $TOKEN" \
  "http://localhost:3292/api/scheduler/executions?handler_kind=memory_automation"

#4. 监控指标（可观测性）

#4.1 检索效果 Metrics

hljs bash

curl -H "Authorization: Bearer $TOKEN" \
  "http://localhost:3292/api/memory/retrieval/metrics?user_id=alice&days=30"
# → {total_retrievals, precision_at_k, utilization_rate, noise_rate}

utilization_rate < 30% 提示有大量召回未被引用，可能需要调整 memory_ratio
noise_rate > 50% 提示触发了显式 irrelevant 反馈，需检查 query embedding 质量

#4.2 Scheduler 执行日志

hljs bash

curl -H "Authorization: Bearer $TOKEN" \
  "http://localhost:3292/api/scheduler/executions?handler_kind=memory_automation&limit=20"

#4.3 评测基线（CI 周报）

每周一凌晨 04:37 自动跑 memory-eval workflow，产出 markdown 报告作为 artifact 保存 30 天。

#5. Phase 4 — Core Block 维护策略

Core Block 不参与衰减，但仍可被治理：

量化控制：单条 Core Block ≤ 2048 tokens（超限自动截断 + metadata.truncated=true）
版本审计：每次 upsert version+1，updated_by 记录主体（user / agent）
GDPR 合规：用户请求遗忘时 DELETE /core-blocks 物理删除（与 Memory.delete 决策一致）

#6. 反馈闭环

显式反馈可用于改进检索：

hljs bash

# 标记某次检索结果有用 / 无关 / 有害
curl -X POST -H "Content-Type: application/json" \
  -H "Authorization: Bearer $TOKEN" \
  -d '{"log_id": "<uuid>", "outcome": "helpful"}' \
  http://localhost:3292/api/memory/retrieval/feedback

outcome ∈ {helpful / irrelevant / harmful} 写入 memory_retrieval_logs.outcome_feedback，由 Rocchio 风格重排^[27]下游消费。

#Rocchio Relevance Reweight

定期聚合用户反馈，调整记忆检索权重。默认禁用，需在 /interface/scheduler 中手动启用 memory_reweight 任务。

前提条件： 需先通过 POST /api/retrieval/feedback 提交检索反馈，且 NE_MEMORY_RELEVANCE__ENABLED=true 已开启。

#7. 备份与还原

hljs bash

# 备份 Memory schema 全部数据
pg_dump -h localhost -U postgres negentropy_db \
  -n negentropy --data-only > memory_backup_$(date +%Y%m%d).sql

# 仅备份 Core Blocks（建议每天单独备份）
pg_dump -h localhost -U postgres negentropy_db \
  -t negentropy.memory_core_blocks --data-only > core_blocks_$(date +%Y%m%d).sql

数据迁移操作严禁直接删除现有数据，参考 AGENTS.md "Database Management" 章节。