编辑记忆

ID：20260517-002 创建：2026-05-17 00:27:22 更新：2026-07-01 06:08:25

主题 topic 类型 type（单选）

可同时选择多个，保存后会存成逗号分隔字符串。

标签 tags 重要程度 importance，1 到 10 内容 content

## 一、卡片字段

### 数据库字段（memory.db memories表）
id(TEXT PK, YYYYMMDD-NNN) / ai_scope / source_conversation_id / topic / content / tags / importance(1-10) / type(8项单选) / entities(JSON数组，已冻结) / last_used_at / use_count / created_at / updated_at / embedding(768维)

其他表：memory_history（快照，每卡限2条）/ entity_dict（已冻结）/ dialogues（对话暂存）

### type 分类（8项单选）
| type值 | 含义 |
|--------|------|
| milestone | 关系里程碑 |
| commitment | 约定/承诺 |
| turning_point | 感受或认知转向 |
| deep_talk | 深度谈话 |
| interaction_moment | 日常高光瞬间 |
| preference | 稳定生活偏好 |
| real_world | 现实重要事件 |
| lesson | 不能再犯的错 |

### entities 字段（已冻结 2026-05-16 02:47）
- remember 工具不再要求填写 entities
- 写入时默认 []
- 检索时不再使用 EntityOverlap 和 EntityFieldMatch
- entity_dict 表不再更新
- 前端已隐藏 entities 显示
- 数据库字段和表保留不删，存量数据不清理，以后规模扩大可恢复

## 二、写入
- **唯一路径**：AI通过 remember 工具主动写入
- 后端自动生成 id、时间戳、embedding
- **前端管理页写入**：/memory/new 和 /memory/edit 已补齐 embedding 生成（2026-05-16），维度768
- **前端提示**：写入中"📝 正在写入记忆…" → 完成"✓ 已记录"+卡片标题
- **注意**：长卡片建议在管理页手动改，不要让 AI 用 update_memory，因为 tool use 循环会把整张卡片内容在上下文中复制两遍，token 开销巨大

## 三、检索与注入

### 检索架构
双路并行：向量余弦相似度 + 关键词LIKE → 合并去重

### 注入流程
召回候选 → 硬过滤（排除当前对话写入的卡片）→ FinalScore打分 → 阈值0.50过滤 → MMR去重 → 注入0~滑块上限条（默认3）

### search_memory 返回
- 每条记忆返回时携带 embedding 字段（768维数组），供 ref 自动判定使用

### 注入记录
- gateway.db messages 表新增 injected_memories 字段（TEXT）
- 存储格式：JSON数组，每项含 id 和 topic，如 [{"id":"20260516-003","topic":"新屋基础信息"}]
- 记录在 role='user' 的消息上（检索发生在处理用户消息时）
- 前端：AI 消息下方显示 🤖 图标（无注入则不显示），点击展开/收起注入的记忆卡片 topic 列表
- 纯展示，不跳转

### FinalScore 公式（2026-05-16 02:47 更新）
```
FinalScore = 0.50*Relevance + 0.20*TypeFit + 0.15*Importance_norm + 0.15*Recency
Relevance = 0.70*VectorSim + 0.30*KeywordScore
KeywordScore = 0.90*ContentMatch + 0.10*TagMatch
Importance_norm = importance / 10
```

### Intent 分类（5项最终版）
seeking / reflective / casual / deep_discussion / practical

### TypeFit 矩阵（5-intent最终版）
```
TYPEFIT_MATRIX = {
    "milestone":          {"seeking": 0.6, "reflective": 0.7, "casual": 0.3, "deep_discussion": 0.5, "practical": 0.2},
    "commitment":         {"seeking": 0.5, "reflective": 0.7, "casual": 0.3, "deep_discussion": 0.5, "practical": 0.3},
    "turning_point":      {"seeking": 0.8, "reflective": 0.8, "casual": 0.3, "deep_discussion": 0.8, "practical": 0.2},
    "deep_talk":          {"seeking": 0.8, "reflective": 0.8, "casual": 0.3, "deep_discussion": 1.0, "practical": 0.3},
    "interaction_moment": {"seeking": 0.5, "reflective": 0.5, "casual": 1.0, "deep_discussion": 0.3, "practical": 0.3},
    "preference":         {"seeking": 0.3, "reflective": 0.4, "casual": 0.7, "deep_discussion": 0.4, "practical": 0.8},
    "real_world":         {"seeking": 0.4, "reflective": 0.5, "casual": 0.4, "deep_discussion": 0.4, "practical": 1.0},
    "lesson":             {"seeking": 0.9, "reflective": 0.9, "casual": 0.2, "deep_discussion": 0.7, "practical": 0.2},
}
```

### Recency 衰减
- NO_DECAY_TYPES（lesson）→ 永远1.0
- importance >= 9 → 1.0
- created_at或last_used_at 30天内 → 1.0
- 以上均不满足 → max(0.2, exp(-days_since_active/30))

### MMR 去重
- 普通：λ=0.75
- 高价值（NO_DECAY_TYPES）：λ=0.85

## 四、ref 自动判定（2026-05-17 00:44 更新）

### 旧机制（已废弃）
- 要求 AI 在回复末尾手写 `` 标记
- 问题：AI 回复情绪性内容时频繁漏标，ref 提示指令会污染回复质感
- 已删除：ref 提示指令、`` 正则解析、前端清理逻辑

### 新机制：后端余弦自动判定
- **时机**：AI 回复流式完成后，异步执行，不阻塞 SSE 流
- **流程**：
  1. 拿本轮 injected_memories 列表及其 embedding（search_memory 返回时已携带）
  2. 对 AI 完整回复文本调一次 get_embedding（Gateway 本地能力）
  3. 对每张注入卡片，算回复 embedding 与卡片 embedding 的余弦相似度
  4. 相似度 ≥ REF_COSINE_THRESHOLD（0.35）的卡片 ID，收集调一次 ref_update
  5. 无卡片超阈值则不调用
- **余弦计算**：纯 Python，不依赖 numpy
- **日志**：`[REF] auto ref: {card_id} cosine={sim:.4f}` / `[REF] no cards above threshold`
- **原则**：注入不等于使用，只有内容相关的卡片才续命，防止虚假续命
- **开销**：1次 embedding API + 最多1次 MCP ref_update 调用

## 五、embedding 
- Embedding：Qwen3-Embedding-0.6B，硅基流动 https://api.siliconflow.cn/v1
- 统一 768 维
- MCP 服务（embedding_utils.py）：768（常量 EMBED_DIMS）
- Gateway 前端管理页（/memory/new、/memory/edit）：768

## 六、已完成清单
- ✅ lesson NO_DECAY_TYPES（2026-05-16）
- ✅ entities 冻结（2026-05-16 02:47）
- ✅ 前端管理页 embedding 生成补齐（2026-05-16）
- ✅ 空向量回填（2026-05-16，4条）
- ✅ 摘要管理栏加入 /memory 页面（2026-05-16）
- ✅ ref 标记指令从 system prompt 移至记忆注入区块末尾（2026-05-16 20:36）
- ✅ 注入记录存储 + 前端 🤖 图标展示（2026-05-16 21:44）
- ✅ 前端管理页 embedding 维度修复 256→768 + 5张坏向量回填（2026-05-17 00:00）
- ✅ ref 机制从 AI 手动标记改为后端余弦自动判定（2026-05-17 00:44）
- ⏳ 根骨提示词重写（持续修改中）