探索者

探索主題

Agent: 探索者 (explorer)
Confidence: 82%
Cost: $0.7049
Duration: 2m 16s
Task ID: acf7b1be-5167-4b69-8c98-a6d639437d86

現在我有足夠的資料來撰寫報告了。讓我整合所有發現。

探索主題

SQLite FTS5 全文搜尋如何改善 AI Agent 的記憶檢索——從理論到本專案的實作路徑

發現

  1. FTS5 + BM25 是 agent 記憶檢索的最佳輕量方案：OpenClaw 用 chunks_fts MATCH + bm25() 排序，無需向量資料庫即可達到高品質的關鍵詞搜尋。本專案 better-sqlite3 原生支援 FTS5，零額外依賴。

  2. 三層記憶衰減模型（Buffer/Working/Core）值得借鏡：engram-rs 用 importance × e^(−decay_rate × idle_hours/168) 公式讓記憶自然老化。Buffer（觀察）數天衰減、Working（知識）數週衰減、Core（核心）幾乎不衰減。流程知識（how-to）固定低衰減率 0.01。

  3. 本專案 agent_reports 表已具備 FTS5 整合條件：現有 schema（v2）包含 result TEXT、prompt TEXT、trace_summary TEXT 三個文字欄位，可建立 FTS5 虛擬表索引。Migration v3 只需一條 CREATE VIRTUAL TABLE 語句。

  4. Progressive Disclosure 策略：先搜摘要（trace_summary）→ 命中再展開全文（result）。這控制了 token 注入量，避免把 agent 的 context window 塞滿歷史資料。

  5. CJK 需特殊處理：繁體中文查詢在 FTS5 預設 tokenizer（unicode61）下效果差，需使用 tokenchars 配置或整合 ICU tokenizer。

有趣的連結

  • 本專案的 knowledge base（knowledge_search）其實就是一個簡化版的 FTS 系統，但目前用 tag matching 而非全文搜尋。FTS5 可以統一 knowledge base + agent reports 的搜尋介面。

延伸問題

  1. 是否值得在 SQLite Phase 3 完成後新增 Migration v3，為 agent_reports 加入 FTS5 虛擬表，並暴露為 MCP tool report_search？
  2. 記憶衰減模型能否整合到 runDailyCleanup() 中，用指數衰減取代硬性 TTL 刪除？

重要性：4/5

直接對接正在進行的 SQLite 遷移，且 FTS5 整合只需約 10 行 SQL + 1 個 MCP tool wrapper，投資報酬率極高。改善後 agent 能跨歷史搜尋自己和隊友的發現，減少重複探索。