s09：建议基于 MEMORY.md 目录按需读取记忆，简化默认自动召回流程

建议

能否让 s09 默认采用类似 Skill 渐进式加载的方式：每轮注入 MEMORY.md 目录，由主模型判断相关性，再通过 read_file 按需读取 .memory/ 中的具体记忆？提前自动召回可以作为进阶方案介绍。

当前实现

阅读 s09_memory/code.py 时发现：

• agent_loop() 先调用 load_memories(messages)，再构建系统提示词。
• select_relevant_memories() 扫描记忆文件，用名称和描述重新构建目录；存在记忆和查询时，额外调用一次模型选择记录，默认最多 5 条，调用异常时退回关键词匹配。
• build_system() 同时向主模型注入 MEMORY.md 的完整目录和已选记忆的正文。
• 主模型已经具备 read_file 工具。

因此，当前主模型已经能看到完整目录，但在它处理请求前，又单独运行了一套记忆选择流程。对于教学示例和小规模记忆库，这一步是否有必要？

建议的最小改动

1. 将 agent_loop() 开头简化为 system = build_system()，取消默认路径上的提前筛选和正文注入。
2. 在系统提示词中明确：目录条目对应 .memory/ 下的文件；按任务需要读取相关记忆，不能把目录摘要当作已读过完整正文。
3. 保留记忆提取、保存、整理和 MEMORY.md 重建流程，以及“记忆是背景信息，当前用户请求优先”的约束。
4. 在三语 README 中解释目录与正文的渐进式加载，并说明自动召回适用的场景。

这里不需要引入统一接口或新的框架，复用现有目录和文件读取工具即可。

收益与取舍

这样可以减少默认流程中的独立筛选逻辑，让主模型结合它已获得的任务上下文决定读取哪些记忆，也便于理解 Skill 与 Memory 都可以采用“先看目录，再读正文”的方式。

这并不保证总成本或延迟一定下降：按需读取通常需要额外工具往返，模型也可能忽略应读的记忆。提前召回则能让选中记忆在主模型第一次处理请求时就可用，但当前基于相关性的筛选同样可能漏掉长期偏好。建议在文档中明确这些取舍；如果保留现有默认实现，也希望说明它相对于按需读取方案的教学目的。

相关讨论：#469 曾涉及 Skill/Memory 的上下文管理；本提议聚焦默认记忆读取方式的简化。

本文由 AI 协助核对代码并整理，源于学习 s09 时对召回设计的讨论。