Persistent Memory

Triggerfish ایجنٹس کو persistent cross-session memory ہے۔ ایجنٹ ایسے facts، preferences، اور context save کر سکتا ہے جو conversations، restarts، اور trigger wakeups کے پار بچے رہیں۔ Memory classification-gated ہے — ایجنٹ اپنے session taint سے اوپر نہیں پڑھ سکتا یا نیچے نہیں لکھ سکتا۔

Tools

memory_save

Persistent memory میں کوئی fact یا معلومات save کریں۔

Parameter	Type	ضروری	تفصیل
key	string	ہاں	منفرد identifier (مثلاً user-name، project-deadline)
content	string	ہاں	یاد رکھنے والا content
tags	array	نہیں	Categorization کے لیے tags (مثلاً ["personal", "preference"])

Classification automatically موجودہ session کے taint level پر set ہوتی ہے۔ ایجنٹ نہیں چن سکتا کہ memory کس level پر store ہو۔

memory_get

Key کے ذریعے مخصوص memory retrieve کریں۔

Parameter	Type	ضروری	تفصیل
key	string	ہاں	Retrieve کرنے والی memory کی key

اگر memory موجود ہو اور موجودہ security level پر accessible ہو تو content واپس کرتا ہے۔ Higher-classified versions lower ones کو shadow کرتے ہیں۔

memory_search

Natural language استعمال کر کے تمام accessible memories میں تلاش کریں۔

Parameter	Type	ضروری	تفصیل
query	string	ہاں	Natural language search query
max_results	number	نہیں	زیادہ سے زیادہ نتائج (ڈیفالٹ: 10)

Stemming کے ساتھ SQLite FTS5 full-text search استعمال کرتا ہے۔ نتائج موجودہ session کے security level سے filter ہوتے ہیں۔

memory_list

تمام accessible memories list کریں، اختیاری طور پر tag سے filter کریں۔

Parameter	Type	ضروری	تفصیل
tag	string	نہیں	Filter کرنے کا tag

memory_delete

Key سے memory delete کریں۔ Record soft-deleted ہوتا ہے (hidden لیکن audit کے لیے retain)۔

Parameter	Type	ضروری	تفصیل
key	string	ہاں	Delete کرنے والی memory کی key

صرف موجودہ session کے security level پر memories delete کر سکتا ہے۔

Memory کیسے کام کرتی ہے

Auto-Extraction

ایجنٹ proactively وہ important facts save کرتا ہے جو user share کرتا ہے — personal details، project context، preferences — descriptive keys استعمال کر کے۔ یہ SPINE.md کی رہنمائی میں prompt-level behavior ہے۔ LLM کیا save کرنا ہے چنتا ہے؛ policy layer کس level پر force کرتی ہے۔

Classification Gating

ہر memory record وہ classification level carry کرتا ہے جو save کے وقت session taint تھی:

• CONFIDENTIAL session کے دوران save ہونے والی memory CONFIDENTIAL classified ہے
• PUBLIC session CONFIDENTIAL memories نہیں پڑھ سکتی
• CONFIDENTIAL session CONFIDENTIAL اور PUBLIC دونوں memories پڑھ سکتی ہے

یہ ہر read operation پر canFlowTo checks سے enforce ہوتا ہے۔ LLM اسے bypass نہیں کر سکتا۔

Memory Shadowing

جب ایک ہی key multiple classification levels پر موجود ہو، تو صرف موجودہ session کو visible highest-classified version واپس آتا ہے۔ یہ classification boundaries کے پار information leakage روکتا ہے۔

مثال: اگر user-name دونوں PUBLIC (public chat کے دوران set) اور INTERNAL (private session کے دوران update) پر موجود ہو، تو INTERNAL session INTERNAL version دیکھتی ہے، جبکہ PUBLIC session صرف PUBLIC version دیکھتی ہے۔

Storage

Memories StorageProvider interface کے ذریعے store ہوتی ہیں (وہی abstraction جو sessions، cron jobs، اور todos کے لیے استعمال ہوتی ہے)۔ Full-text search stemming کے ساتھ fast natural language queries کے لیے SQLite FTS5 استعمال کرتا ہے۔

Security

• Classification PRE_TOOL_CALL hook میں ہمیشہ session.taint پر force ہوتی ہے — LLM کوئی lower classification نہیں چن سکتا
• تمام reads canFlowTo سے filter ہوتے ہیں — session taint سے اوپر کوئی memory کبھی واپس نہیں آتی
• Deletes soft-deletes ہیں — record hidden لیکن audit کے لیے retain ہوتا ہے
• ایجنٹ high-classified data پڑھ کر اسے lower level پر re-save کر کے memory classification escalate نہیں کر سکتا (write-down prevention لاگو ہے)

SECURITY LLM کبھی memory classification نہیں چنتا۔ یہ policy layer

کے ذریعے ہمیشہ موجودہ session کے taint level پر force ہوتی ہے۔ یہ hard boundary ہے جسے configure کر کے ختم نہیں کیا جا سکتا۔ :::