dev 分支暂存

backend/ai-core/internal/memory/retriever.go

@@ -0,0 +1,152 @@
+package memory
+
+import (
+	"context"
+	"fmt"
+	"strings"
+
+	"github.com/yourname/cyrene-ai/ai-core/internal/model"
+)
+
+// MemoryEntry 记忆条目别名（避免与model包冲突）
+type MemoryEntry = model.MemoryEntry
+
+// Retriever 记忆检索器
+type Retriever struct {
+	store     *Store
+	embedder  Embedder // 文本转向量的接口
+}
+
+// Embedder 文本嵌入接口
+type Embedder interface {
+	Embed(ctx context.Context, text string) ([]float64, error)
+}
+
+// SimpleEmbedder 基于关键词的简单嵌入（MVP阶段可用，无需外部API）
+type SimpleEmbedder struct{}
+
+// Embed 简单的关键词哈希嵌入（用于MVP快速验证）
+func (e *SimpleEmbedder) Embed(ctx context.Context, text string) ([]float64, error) {
+	// 生成一个简单的1536维特征向量
+	// 基于字符频率的简单表示，用于MVP阶段
+	vec := make([]float64, 1536)
+
+	runes := []rune(strings.ToLower(text))
+	for i, r := range runes {
+		idx := int(r) % 1536
+		vec[idx] += 1.0 / float64(len(runes))
+		// 考虑位置信息
+		posIdx := (int(r) + i) % 1536
+		vec[posIdx] += 0.5 / float64(len(runes))
+	}
+
+	return vec, nil
+}
+
+// NewRetriever 创建记忆检索器
+func NewRetriever(store *Store, embedder Embedder) *Retriever {
+	if embedder == nil {
+		embedder = &SimpleEmbedder{}
+	}
+	return &Retriever{
+		store:    store,
+		embedder: embedder,
+	}
+}
+
+// Retrieve 检索与查询相关的记忆
+// 策略: 向量相似度 + 关键词匹配混合
+func (r *Retriever) Retrieve(ctx context.Context, userID string, query string) ([]MemoryEntry, error) {
+	var allEntries []MemoryEntry
+	seen := make(map[string]bool)
+
+	// 1. 向量相似度检索
+	embedding, err := r.embedder.Embed(ctx, query)
+	if err == nil {
+		vecEntries, err := r.store.SearchByVector(ctx, userID, embedding, 5)
+		if err == nil {
+			for _, e := range vecEntries {
+				if !seen[e.ID] {
+					seen[e.ID] = true
+					allEntries = append(allEntries, e)
+				}
+			}
+		}
+	}
+
+	// 2. 关键词匹配检索（核心/重要记忆优先）
+	keywordEntries, err := r.keywordSearch(ctx, userID, query)
+	if err == nil {
+		for _, e := range keywordEntries {
+			if !seen[e.ID] {
+				seen[e.ID] = true
+				allEntries = append(allEntries, e)
+			}
+		}
+	}
+
+	// 3. 如果没有匹配，返回最近的重要记忆
+	if len(allEntries) == 0 {
+		recentEntries, err := r.store.Query(ctx, model.MemoryQuery{
+			UserID:   userID,
+			Priority: int(model.MemoryImportant),
+			Limit:    3,
+		})
+		if err == nil {
+			allEntries = recentEntries
+		}
+	}
+
+	// 限制返回数量
+	if len(allEntries) > 10 {
+		allEntries = allEntries[:10]
+	}
+
+	return allEntries, nil
+}
+
+// keywordSearch 关键词匹配检索
+func (r *Retriever) keywordSearch(ctx context.Context, userID string, query string) ([]MemoryEntry, error) {
+	// 查询最近的核心和重要记忆
+	entries, err := r.store.Query(ctx, model.MemoryQuery{
+		UserID:   userID,
+		Priority: int(model.MemoryImportant),
+		Limit:    50,
+	})
+	if err != nil {
+		return nil, err
+	}
+
+	// 简单的关键词匹配过滤
+	var matched []MemoryEntry
+	queryLower := strings.ToLower(query)
+
+	for _, entry := range entries {
+		contentLower := strings.ToLower(entry.Content)
+		summaryLower := strings.ToLower(entry.Summary)
+		if strings.Contains(contentLower, queryLower) || strings.Contains(summaryLower, queryLower) {
+			matched = append(matched, entry)
+		}
+	}
+
+	// 也匹配普通记忆
+	normalEntries, err := r.store.Query(ctx, model.MemoryQuery{
+		UserID:   userID,
+		Priority: int(model.MemoryNormal),
+		Limit:    100,
+	})
+	if err == nil {
+		for _, entry := range normalEntries {
+			contentLower := strings.ToLower(entry.Content)
+			summaryLower := strings.ToLower(entry.Summary)
+			if strings.Contains(contentLower, queryLower) || strings.Contains(summaryLower, queryLower) {
+				matched = append(matched, entry)
+			}
+		}
+	}
+
+	return matched, nil
+}
+
+// Ensure fmt is used
+var _ = fmt.Sprintf