> ## Documentation Index
> Fetch the complete documentation index at: https://docs.memorose.dev/llms.txt
> Use this file to discover all available pages before exploring further.

# 遗忘策略

> Memorose 如何有目的地遗忘——熵过滤（Entropy Filtering）、衰减（Decay）、修剪（Pruning）与沉积（Sedimentation）。

# 遗忘策略（Forgetting Strategies）

Memorose 被设计为有目的地遗忘。目标不是最大化留存，而是持久且有用的留存。

## L0：熵过滤

低信号事件可以在整合（Consolidation）之前或期间，通过 `[consolidation]` 下配置的熵阈值进行过滤。

这可以防止问候语、填充内容和重复的低价值闲聊变成长期状态。

## L1 和 L2：衰减与修剪

长期存在的记忆如果不再有用，应当降低权重。`[forgetting]` 配置段控制：

* 衰减半衰期（Decay Half-life）
* 最低重要性（Minimum Importance）
* 修剪间隔（Pruning Interval）

这就是防止长期运行的智能体变成无限膨胀的杂物抽屉的机制。

## 图谱与社区压缩

图谱自动关联（Graph Auto-linking）和社区检测（Community Detection）让系统在高层结构比重放每个源片段更有用时，用高层结构替代重复的局部证据。

## L3 沉积

当任务完成时，其结果可以作为关于所发生事情的新事实沉积回事件流。这使得执行结果能够成为记忆，而不是被困在任务状态中。

## 运行原则

Memorose 将遗忘视为架构的一部分，而非在设计已经出问题之后才运行的清理脚本。