JARVIS/development-doc/plan/memory-update/phase-m-5-recall-injection.md

Phase M.5：记忆召回注入（Memory Recall Injection）

日期：2026-04-05 状态：规划中 依赖：M.1 (重要性评分), M.4 (自动提取) 工作量：2 天

---

1. 本阶段目的

让 Jarvis 在每次对话时自动将相关记忆注入到 LLM 的 system prompt，使 AI 真正「记得」用户。

当前问题：

• M.1-M.4 构建和管理了记忆，但 LLM 在生成回答时根本看不到这些记忆
• memory_service.recall_memories() 虽然存在，但没有在对话路由中被调用
• 记忆库有内容，对话却没有个性化——记忆和对话是两个孤立的系统

---

2. 核心架构

用户发来消息
    │
    ▼
MemoryRecallInjector
    ├── retrieve_relevant()    # 语义搜索匹配当前消息
    ├── rank_by_importance()   # 按 M.1 重要性分数排序
    ├── budget_tokens()        # 控制注入 token 数量（上限 800）
    └── format_context()       # 格式化为 system prompt 片段
         │
         ▼
    LLM system prompt 中追加 memory context
         │
         ▼
    LLM 生成回答（带个人化上下文）
         │
         ▼
    触发 M.2 强化（召回的记忆 frequency +1）

---

3. 核心实现

3.1 MemoryRecallInjector

class MemoryRecallInjector:
    async def build_context(
        self,
        user_id: str,
        current_message: str,
        token_budget: int = 800,
    ) -> str:
        """
        根据当前消息，检索相关记忆并拼装为 system prompt 片段。
        """
        # 1. 语义检索最相关的记忆
        candidates = await self.memory_service.recall_memories(
            user_id=user_id,
            query=current_message,
            top_k=20,
        )

        # 2. 过滤已归档记忆（M.2 decay < 0.2 的记忆不注入）
        active = [m for m in candidates if not m.is_archived]

        # 3. 按重要性评分 + 相关性综合排序
        ranked = self._rank(active, current_message)

        # 4. Token 预算控制，避免占用过多上下文
        selected = self._budget_select(ranked, token_budget)

        # 5. 格式化
        return self._format(selected)

    def _format(self, memories: list[UserMemory]) -> str:
        if not memories:
            return ""
        lines = ["[关于你的记忆]"]
        for m in memories:
            lines.append(f"- {m.content}")
        return "\n".join(lines)

3.2 注入点：对话路由

# routers/conversation.py

@router.post("/api/conversations/{conversation_id}/messages")
async def send_message(conversation_id: str, body: MessageRequest, ...):
    # 1. 召回注入
    memory_context = await memory_injector.build_context(
        user_id=current_user.id,
        current_message=body.content,
    )

    # 2. 拼装 system prompt
    system_prompt = base_system_prompt
    if memory_context:
        system_prompt = f"{system_prompt}\n\n{memory_context}"

    # 3. 发送给 LLM
    response = await llm.chat(
        messages=conversation_messages,
        system=system_prompt,
    )

    # 4. 触发记忆强化（后台任务，不阻塞）
    background_tasks.add_task(
        memory_reinforcement.trigger_by_query,
        user_id=current_user.id,
        query=body.content,
    )

    return response

3.3 排序逻辑

def _rank(
    self,
    memories: list[UserMemory],
    query: str,
) -> list[UserMemory]:
    """
    综合排序：语义相关性 × 重要性评分
    - 重要性分数来自 M.1 ImportanceScorer
    - 相关性分数来自向量距离（mem0 已计算）
    """
    def score(m: UserMemory) -> float:
        relevance = m.similarity_score or 0.5  # 来自召回时的余弦相似度
        importance = m.importance_score        # 来自 M.1
        recency_boost = 1.0 if m.memory_type in ("goal", "pain_point") else 0.8
        return relevance * 0.6 + importance * 0.4 * recency_boost

    return sorted(memories, key=score, reverse=True)

---

4. Token 预算控制

记忆注入不能无限制增长，否则会挤压对话本身的上下文空间。

def _budget_select(
    self,
    memories: list[UserMemory],
    token_budget: int,
) -> list[UserMemory]:
    """
    贪心选择：按排名依次选入，直到 token 预算耗尽。
    粗略估算：1 条记忆 ≈ 30 token
    """
    selected = []
    used = 20  # "[关于你的记忆]\n" 的固定开销
    for m in memories:
        cost = len(m.content) // 2 + 10  # 粗略估算
        if used + cost > token_budget:
            break
        selected.append(m)
        used += cost
    return selected

默认预算：800 token（约 26 条记忆），可在 config 中调整。

---

5. 记忆类型优先级

不同类型的记忆注入优先级不同：

类型	优先级	说明
pain_point	最高	反复困扰用户的问题，每次都应提醒
goal	高	用户的目标，影响回答方向
preference	中	影响回答风格（简短、代码优先等）
fact	中	基础事实（职业、地点、技术栈）
event	低	今日事件，时效性强，过期降权

---

6. 核心文件

6.1 新增文件

文件	职责
services/memory/recall_injector.py	记忆召回与注入
tests/services/test_recall_injector.py	注入测试

6.2 修改文件

文件	修改内容
routers/conversation.py	发送消息前注入记忆 context
services/memory_service.py	recall_memories() 返回相似度分数

---

7. 验收标准

标准	说明
注入生效	LLM 回答中能体现用户个人信息
不超 token 预算	注入内容 ≤ 800 token
高优先级优先	goal/pain_point 比 fact 更早注入
已归档不注入	decay < 0.2 的记忆不出现在 context 中
不阻塞响应	注入耗时 < 100ms（内存/向量检索）
强化触发	被召回的记忆 frequency_count +1

---

8. 工作量估算

任务	工作量
MemoryRecallInjector 实现	0.5 天
对话路由集成	0.5 天
Token 预算 + 排序调优	0.5 天
测试	0.5 天
合计	2 天