MM07：Artifact / Workspace as Memory
它解决什么问题
长任务的大文件和中间成果不适合反复塞进消息，也不应被自由摘要替代。
核心定义
Artifact Workspace 保存文档、表格、代码和报告等可寻址成果；Context 只传引用、摘要和所需片段。 Memory 与 Context 的边界是：Memory 是可被保存和检索的信息，Context 是某次调用实际可见的视图。
工作原理
为每条记录定义 owner、type、source、created_at、valid_until、confidence、access_scope 和 version。写入、读取、纠正与删除分别通过策略门。
架构视图
Architecture View
Agent -> artifact store(versioned) -> reference -> other agent/user
Product View
User action -> memory notice/control -> personalized work -> inspect/correct/delete
最小可运行实践
运行 examples/memory/memory_architecture.py，观察工作记忆、情节、语义、私有/共享记录和 Artifact 引用如何通过统一策略读写。
正常场景
支持长任务、协作、恢复与用户交付。检索结果保留来源，并只在当前任务和主体权限匹配时进入 Context。
失败与恢复场景
覆盖版本或引用失效时，使用不可变版本、内容哈希、权限和 lineage 恢复。
什么时候使用
当跨步骤或跨任务保留信息能带来可测成功率、连续性或恢复收益，并且可以定义所有者与生命周期时使用。
什么时候不要使用
单次任务不需长期记忆；敏感内容、未经确认推断和可从权威源实时获得的信息不应默认永久保存。
Trade-offs
更多记忆提高连续性，却增加错误固化、隐私、检索噪声与治理成本。宁可少而可解释，也不要无限积累。
产品视角
用户与业务问题
产品应明确“为什么记住、记住多久、用于什么”，而不是把 Memory 当神秘个性化。
产品价值
支持长任务、协作、恢复与用户交付，并通过与无记忆基线对比验证。
用户体验
用户可查看、纠正、删除和关闭记忆；系统引用记忆影响重要结果时应给出来源或提示。
自主性边界
低风险临时状态可自动写；长期偏好、敏感事实和可执行 Skill 需要更严格验证或确认。
数据与权限
按主体、租户、角色和用途隔离；共享、外发与训练用途不得由一次任务授权自动推导。
失败与降级
检索不确定时忽略或询问；冲突时优先权威新来源；Memory 服务不可用时回到无记忆模式。
产品指标
衡量记忆命中后的成功提升、错误记忆率、纠正率、删除生效率、检索延迟和用户关闭率。
框架中的对应实现
向量库、数据库、Session Store 和文件工作区分别适合不同类型；Memory 架构不能简化为“接一个向量库”。
Related Patterns
Context Selection、Progress Ledger、Shared State、Artifact、Data Governance。
检查清单
- 记录类型、所有者和生命周期是否明确？
- 写入是否经过验证？
- 检索是否检查权限与相关性？
- 用户能否查看、纠正和删除？
- 失败时能否无记忆降级？
延伸练习与参考资料
为同一条信息设计工作、情节和语义三种表示，比较错误影响半径。