Linkora · 灵桥

长期记忆

数据模型

核心数据表

表名	说明
`messages`	收发消息记录
`conversations`	会话缓存
`conversation_summaries`	对话摘要压缩归档（CAS 代际写回）
`memories`	长期记忆（按 `sender_id` 隔离）
`dedup_messages`	消息去重缓存
`tool_execution_logs`	工具调用日志
`kb_documents` / `kb_chunks`	知识库文档与分块
`keyword_rules`	关键词规则
`config`	配置中心持久化
`blocked_conversations`	不遍历黑名单
`style_profiles`	风格人格画像（id=1 单例）
`feedback`	反馈记录（message_id / rating / correction / note）
`decisions`	决策追踪记录（意图/动作/路由模式/路由工具/回复预览）

记忆表结构

每条记忆绑定具体用户（sender_id 隔离），跨会话保留：

memories (
  id, sender_id, sender_name, chat_id,
  content, source, created_at, last_accessed_at,
  access_count, vector BLOB
)

决策追踪表结构

decisions (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  sender_id TEXT NOT NULL,
  sender_name TEXT DEFAULT '',
  conversation_id TEXT DEFAULT '',
  conversation_name TEXT DEFAULT '',
  content_preview TEXT DEFAULT '',
  intent TEXT DEFAULT '',
  action TEXT NOT NULL,
  routing_mode TEXT DEFAULT '',
  routed_tools TEXT DEFAULT '',
  reply_preview TEXT DEFAULT '',
  created_at TEXT NOT NULL DEFAULT (datetime('now', 'localtime'))
)

写入策略

LLM 主动调用 save_memory(content=...) 保存关键信息
写前先按内容去重（同 sender_id 相似度 > 0.9 视为重复）
系统提示词引导模型在对话结束时保存”用户偏好/事实/上下文”

召回策略

recall_memory(query=..., top_k=5) 自动按当前 sender_id 过滤
最小相似度阈值（memory.retrieval.min_similarity，默认 0.6）过滤低质量结果
定期清理（memory.cleanup.*）删除过期低质记忆

公共记忆自动注入（v0.4.x 新增）

公共记忆（scope=public）在每轮对话时会自动注入 system prompt，与 RAG 知识库注入对称：

触发条件：公共记忆语义相似度 ≥ 0.55（memory.recall.threshold）且 top_k=3
权重提升：公共记忆块被抽出为独立 system 消息紧贴 user 之前（近因效应），并附高优先级指令前缀
覆盖声明：公共记忆块含「与 KB 冲突时优先采用公共记忆」，避免模型被过时文档误导
个人记忆不受影响：私有记忆仍保持 LLM 主动调用 recall_memory，防止他人私聊内容泄露

配置项：

memory:
  recall:
    threshold: 0.55
    top_k: 3

Agent 自动注入

Agent 会自动在 recall_memory 和 save_memory 工具调用中注入 sender_id、sender_name、chat_id，确保记忆绑定到正确用户，无需 LLM 显式传参。