memabra/docs/RUNNER_AND_STORE.md

Runner, Schemas, and Memory Store

目标

把 memabra 从“能分别检索、路由、回放”推进到“能产出合法 draft trajectory、能校验数据、能管理 typed memory records”。

当前实现

runner.py

提供：

• MemabraRunner

能力：

• 接收 TaskContext
• 调用 retriever 获取候选
• 调用 router 生成动作决策
• 自动生成 draft trajectory
• 产出最小事件流：
  • task_received
  • candidates_recalled
  • action_selected

意义： 这让 memabra 第一次具备了一个 task-to-trajectory 的实际入口。

schemas.py

提供：

• SchemaRegistry
• SchemaValidationError

当前策略：

• 先做轻量级 runtime validation
• 不依赖外部库
• 先校验关键 required keys

这还不是完整 JSON Schema engine，但足够先守住地板线，避免样本结构乱飞。

memory_store.py

提供：

• MemoryRecord
• MemorySource
• VerificationState
• InMemoryMemoryStore

当前能力：

• upsert
• get
• list_by_type
• mark_used
• verify
• revoke

意义： 现在 memabra 终于不是只会“谈记忆”，而是有一个 typed memory record runtime 了。

当前闭环

现在已有：

• retrieval
• router
• runner
• replay
• memory store
• schema validation

也就是： 任务 -> 候选召回 -> 路由决策 -> trajectory 草稿 -> 回放统计 并且 memory record 本身也能做校验和状态变更。

还差什么

• execution adapter（真实工具/skill/memory 注入）
• 完整 JSON Schema 验证
• trajectory 持久化层
• richer reward aggregation
• counterfactual replay

建议下一步

1. 做 execution.py
2. 做 persistence.py
3. 给 runner 接上 memory store 和 telemetry writeback
4. 做 richer router scoring v2