新对话丢失上次做到的位置。
历史对话可能还在，下一位 Agent 却无法自动获得相关决策、要求和未完成事项。
01 / 工作流程
一条接续主线，从本轮结束贯穿到下一步行动。
- 01采集
把本轮用户消息与 Agent 回答分别记录，并保留各自来源。
- 02归入范围
稳定的用户资料进入 Global；项目内容只进入对应的 Project Scope。
- 03按问题召回
根据这一轮的新问题，从获准范围中找回相关证据。
- 04接续工作
把有边界的 Prompt Evidence 交给 Agent，让工作从正确位置继续。
02 / 接续断点
保存了历史，还要让历史准确回到当前工作。
长期运行的 Agent 工作会在几个明确位置断裂。TMCRA 将这些问题作为产品约束来处理。
相似文本无法解释状态变化。
可用的记忆层需要保留说话者、变化时间、所属范围，以及支撑它的来源。
历史记录还不是可直接使用的 Prompt Evidence。
当前任务需要一份有边界的证据选择，区分用户要求与 Agent 进度，再共同交给下一步。
03 / 产品界面
使用长期记忆，无需自行维护记忆服务器。
同一套记忆模型以不同信息密度呈现在桌面应用、网页控制台、API 与原生适配器中。
04 / 记忆方式对照
先确定记忆边界，再选择接入界面。
这里比较接续、状态变化、隔离和来源；这些能力决定历史工作能否安全地影响下一次回答。
方式跨对话状态变化边界与来源
Context Window当前对话仅依赖 Prompt 顺序对话边界
Vector RAG召回已存片段以相似度为主取决于索引设计
TMCRAGlobal + ProjectSource + Fast + SlowActor · Session · Time · Source
05 / 适用场景
四类依赖长期工作记忆的系统。
偏好、承诺与持续项目
让稳定用户资料跨工具发挥作用，同时保持不同项目彼此隔离。
计划、行动与未完成事项
不同分工的 Agent 可以共享项目状态，并保留各自的主体与 Session 来源。
面向重复工作流的可治理记忆
通过受控 Scope、可追溯证据、删除、导出、用量和审计界面进行治理。
跨越任务边界的经验
系统跨 Session 与任务运行时，持续保留事件、修正和操作上下文。
06 / 边界
十个项目不会被混进一张图。
Global 只承载稳定的用户资料；每个项目拥有独立 Scope，每段对话作为项目内部的 Session 保存。