记忆检索系统（Memory Retrieval）

功能概述

• 让麦麦在回复前主动回忆历史记录、黑话、知识库条目，保持上下文一致性。
• 采用“两段式”决策：先判断是否需要检索，再通过 ReAct Agent 调用多种工具搜集信息。
• 内建缓存（ThinkingBack 表），可复用近期问题答案，并避免重复查询。
• 可扩展工具仓（chat history / jargon / person info / LPMM），配置灵活。

触发流程

1. 检测阶段：build_memory_retrieval_prompt 汇总最近聊天与“最近已查询的问题”，让模型输出：
   • concepts：疑似需要查询的关键词，常用于黑话/人名/梗语。
   • questions：最多一个关键问题；若为空则只返回概念检索与缓存回忆。
2. 概念检索：对 concepts 调用 query_jargon，优先提供黑话解释，作为 ReAct Agent 的初始信息。
3. ReAct 检索：
   • 初始化工具注册器（query_chat_history、query_jargon、query_person_info，以及在 [lpmm_knowledge] 设置为 agent 时的知识库工具）。
   • 依据 [memory].max_agent_iterations 控制循环轮数，每轮先“思考”再决定是否调用工具。
   • 工具返回写入 collected_info，下一步继续推理；最后一轮必须输出 found_answer(answer="...") 或 not_enough_info(reason="...")。
4. 缓存与分类：
   • 查询结果写入 ThinkingBack，found_answer=1 的条目可在下次 50% 概率复用。
   • 异步调用 _analyze_question_answer，将问答归类为“黑话/人物/其他”，并回写黑话库或（未来）人物记忆。

配置入口

• 文件：config/bot_config.toml
• 核心小节：

[memory]
max_agent_iterations = 3  # ReAct 最大查询轮数，最低1

[lpmm_knowledge]
enable = false
lpmm_mode = "agent"       # 设为 agent 时注册 LPMM 检索工具

[debug]
show_memory_prompt = false  # 打开后，日志输出全部提示词/思考过程

• max_agent_iterations 过大将显著增加 token 消耗；建议结合延迟与回答质量酌情调整。
• 部署了 LPMM 知识库时，enable=true 且 lpmm_mode="agent" 才会将知识库纳入 ReAct 工具集。

可用检索工具

工具名	说明	常用参数
query_chat_history	查询历史消息，支持关键词 / 时间点 / 时间段	keyword、time_point、time_range
query_jargon	查黑话/俚语含义	keyword
query_person_info	查询已记录的人物信息与记忆点	person_name
query_lpmm_knowledge	（可选）从 LPMM RAG 知识库检索	query

所有工具均通过 MemoryRetrievalToolRegistry 注册，符合 async 接口；新增工具时只需按 README 指南注册即可被 ReAct 自动识别。

结果注入方式

• 当检索到答案时，函数返回格式化字符串：

  你回忆起了以下信息：
  问题：xxx
  答案：yyy
  ...

  回复器会将其作为追加上下文，提示 LLM 在组织回复时引用。
• 如仅命中缓存或概念解释，也会返回对应段落，提醒模型选择性参考。
• 如果完全未找到信息，则返回空字符串，避免干扰正常对话。

使用建议

• Prompt 调教：在 plan_style/reply_style 中加入“遇到不确定要主动回忆”的描述，提升触发率。 -.Maximized避免刷屏：若群聊极其活跃，可适当降低 max_agent_iterations，并在工具实现中增加速率限制。
• 缓存维护：ThinkingBack 表会定期清理 10 小时前的“未找到答案”记录；如需更长记忆，可调节 THINKING_BACK_NOT_FOUND_RETENTION_SECONDS 常量。
• 扩展场景：可为赛事、日程等专用数据写自定义检索工具，再通过 init_all_tools 注册，实现一键回忆。