Phase 10 · 记忆独立层：episodic + semantic + 溯源（防幻觉）
对应改进报告 P0「记忆独立层」。源码：
examples/common/memory.py、examples/p10/hello_chain.py。
为什么要做这一层
之前的「记忆」只是 checkpoint 的状态快照（MemorySaver），它是任务级快照，不是真正可沉淀、 可溯源的「知识」。生产级 Agent 需要：
- 短期情节记忆（episodic）：一次会话里发生了什么，可回放；
- 长期语义记忆（semantic）：从对话中提炼的「事实」，跨会话复用；
- 溯源（traceability）：每条语义记忆都带来源，回答必须引用 —— 这是防幻觉的开关。
三层结构
python
from examples.common.memory import MemoryStore
ms = MemoryStore() # :memory: 演示；生产传文件路径做持久化
eid = ms.add_episode("s1", "user", "我们决定用 LangGraph。") # episodic
ms.add_semantic("编排框架选型为 LangGraph", f"episode:{eid}", "s1") # semantic + 溯源检索时带上引用：
python
ctx = ms.build_citation_context("编排框架") # 返回带 [来源] 的事实
# 若无来源，ctx == "" —— 调用方不应让模型断言，而应拒答防幻觉机制
build_citation_context 检索不到来源时返回空串。把该串注入 prompt：
- 非空 → 模型只能依据记忆回答并标注引用；
- 空 → 模型明确说「记忆中没有」，不编造。
这就是把「记忆」从 RAG 附庸里解放出来、做成独立可溯源层的核心价值。
运行
bash
make run p=10
# 或 python -m examples.p10.hello_chain会演示：有来源的问题带引用回答、无来源的问题被护栏拦下、以及溯源明细。
小结
- 记忆 ≠ checkpoint 快照：checkpoint 是任务级状态，记忆独立层是可沉淀、可溯源的知识。
- 三层（episodic / semantic / traceability）让 Agent 能「引用来源」，这是防幻觉的硬开关。
- 把记忆做成独立层后，RAG 只负责检索，记忆负责「已知事实」，职责边界更清晰。