Memory 与 Context Memory

Vibecape 的「Memory」可以理解为两层：

• 持久化 Memory（Persistent / Long-term Memory）：跨会话保存的长期信息，主要用于「用户偏好」「习惯」「个人信息」等【用户相关】内容。
• Context Memory（上下文窗口构建策略）：每次请求发送给模型的消息集合，目标是在预算内尽可能保留关键信息。

设置页的 Memory 面板用于管理持久化 Memory 条目（查看、编辑、删除、新增）。

1) 持久化 Memory（长期记忆）

存储位置

长期记忆保存在用户目录的本地数据库中：

~/vibecape/chat.db

其中包含 long_term_memories 表，记录包括：

• category：分类（当前仅使用 user_preference，用于用户相关信息）
• content：记忆内容
• importance：重要度（1–10）
• access_count / last_accessed：命中统计
• embedding：语义向量（用于语义检索；生成失败时可能为空）

检索与使用

• 工具检索：AI 可通过 search_memory 工具按语义检索用户相关记忆。
• RAG 注入：在构建上下文时，应用会尝试检索与当前输入相关的用户记忆，并以系统消息形式注入到上下文中（默认最多 3 条，约 500ms 超时，失败/超时会跳过）。

编辑会发生什么

当你在设置页编辑某条长期记忆的 content 时，应用会尝试重新生成该条目的 embedding（失败则会清空 embedding，意味着它可能暂时无法被语义检索命中）。

2) Context Memory（上下文窗口）

Vibecape 每次请求会综合多种来源，构建最终发送给模型的消息列表。常见组成包括：

• System Prompt（Hero 系统提示词）
• Thread Summary（会话摘要）：用于压缩较长历史，减少 token 占用
• Long-term Memory（长期记忆检索结果，可选注入）
• Recent Messages（滑动窗口）：保留最近若干轮对话
• Current Input（当前输入）

这套策略的目标是：在上下文预算有限的情况下，尽量保留「指令」「背景」「近期对话」与「可检索记忆」的有效信息。

项目 / repo / 文档相关的上下文不应写入 LongTermMemory。建议通过工作区的 llm.txt、文档内容本身或其他项目级存储来管理。

3) 工具输出与 Working Memory

当某些工具返回内容过大（例如长文本、文件内容等），它们可能会被外置到 Working Memory 中，以避免挤占上下文窗口。

• Working Memory 通常会落盘缓存一段时间，并自动清理过期数据。
• 需要时，AI 会通过 read_working_memory 按 memoryId 取回完整内容或片段。