选择质量、均衡或低成本档位

Memora 没有一个能够同时切换全部行为的总开关。要让插件整体偏向高质量、均衡或低成本，需要同时设置成本模式和记忆注入预设，再按需要调整检索范围。

对于大多数安装，建议从“均衡”开始。运行一段时间后，再根据召回效果、Provider 配额、响应延迟和上下文占用选择其他档位。

先理解两套档位

成本模式

cost_control.mode 管理额外 LLM 调用：

值	作用
low_cost	禁止所有额外 LLM 路径，优先降低 token 和调用费用。
balanced	默认不执行额外 LLM 调用，但允许管理员逐项放行。
quality	允许 LLM 重排序、两阶段话题分割等高成本路径，但仍受每轮调用上限约束。

请求级额度如何计算

成本模式只决定某项功能能否尝试；cost_control.max_extra_llm_calls_per_turn 再限制同一轮请求实际可使用的额外 Provider 调用总数。两道门必须同时通过。

计入额度的能力包括 LLM 查询改写、LLM 重排、Strategy D 第一阶段、persona interpretation，以及 Strategy C/D 切出多个反思批次后的第 2 批及后续批次。基础反思抽取负责 canonical 记忆写入，不计入额外额度；额度不足时，剩余反思批次会合并回基础调用，不会静默丢弃消息。

reservation 在 Provider 成功返回后提交；即使返回内容无法解析，该次调用也已经消耗额度。Provider 普通失败或任务取消会释放未提交 reservation。max_reflection_parallel_llm_calls 只限制瞬时并发，不能替代每轮总额度。

注入预设

recall_engine.injection_*_preset 管理每次请求最终交给模型的记忆数量与详细度：

预设	记忆预算	最多条数	内容层级	适用目标
low_cost	800 字符	2	只保留关键事实	最小化上下文占用。
balanced	1200 字符	4	精简正文、事实和话题	默认日常使用。
quality	2400 字符	6	详细正文、事实、话题和参与者	优先上下文完整性。

另有 tool_first 预设。它不做被动记忆注入，而是尽量让 Agent 在确有需要时主动调用记忆工具，因此不属于上述三档的普通质量梯度。

两套档位不会自动同步

把注入预设设为 quality 只会增加注入内容，不会自动开放额外 LLM 调用；把 cost_control.mode 设为 quality 也不会自动提高注入预算。完整档位应同时设置两组字段。

快速选择

你的优先目标	推荐档位	主要代价
Provider 配额充足，希望尽量提高模糊查询和复杂记忆的召回质量	高质量	更多 token、更高延迟，可能增加额外 LLM 调用。
希望日常效果稳定，同时控制上下文和费用	均衡	极复杂查询可能不会启用最高成本路径。
Provider 配额有限，或更重视响应速度与上下文余量	低成本	注入记忆更少、更短，间接关联召回能力降低。

均衡档：推荐起点

均衡档使用本地 MMR 重排序，保留图检索和常规多跳召回，但默认不增加额外 LLM 调用。它最接近 Memora 的安全默认。

在 Dashboard 的 Config 页面设置：

配置项	值	原因
cost_control.mode	balanced	默认禁止额外 LLM 调用。
cost_control.max_extra_llm_calls_per_turn	0	明确保持每轮零次额外调用。
recall_engine.injection_routing_mode	manual	每次请求固定使用同一预设，行为最容易理解。
recall_engine.injection_manual_preset	balanced	最多注入 4 条、总计 1200 字符的精简记忆。
recall_engine.injection_delivery_override	auto	让系统按 Provider 能力选择临时投递方式。
recall_engine.injection_preset_overrides_enabled	false	先使用经过约束的内置预算。
recall_engine.top_k	5	为最终选择保留适量候选。
reranker.enabled	true	保留最终重排序。
reranker.strategy	mmr	不调用额外模型，并兼顾相关性与结果多样性。

以下默认能力可以继续开启：

• graph_memory.enabled=true
• recall_engine.chain_graph_expansion_enabled=true
• recall_engine.chain_topic_expansion_enabled=true
• topic_segmentation.strategy=a_b_hybrid

memory_evolution 与基础档位无直接绑定。没有明确需要 Relation 或 Projection 时，继续保持 enabled=false、mode=disabled。

高质量档：优先召回完整度

高质量档适合 Provider 上下文窗口和调用配额充足，并且模糊指代、复杂关系或长跨度历史查询较多的场景。

核心设置

配置项	值	原因
cost_control.mode	quality	允许调用高成本 LLM 能力。
cost_control.max_extra_llm_calls_per_turn	2	为查询增强或重排序留出额度，同时限制费用失控。
cost_control.allow_llm_reranker_in_passive_recall	true	明确允许被动召回使用 LLM 重排序。
recall_engine.injection_routing_mode	manual	固定使用高质量预设，避免自动降档。
recall_engine.injection_manual_preset	quality	最多注入 6 条、总计 2400 字符的详细记忆。
recall_engine.injection_delivery_override	auto	保持 Provider 兼容降级。
recall_engine.injection_preset_overrides_enabled	false	先观察内置质量预设，不立即扩大硬上限。
recall_engine.top_k	8	为详细预设提供更宽的候选池。
recall_engine.inject_with_recent_context	true	使用最近两轮对话消解“上次那个”等当前话题指代。
reranker.enabled	true	对融合后的候选执行最终排序。
reranker.strategy	hybrid	先用向量缩小候选，再交给 LLM 精排。

hybrid 重排序需要向量访问能力和同步文本生成能力；能力不足时运行时会安全降级为 MMR。若 Provider 延迟较高，可先使用 embedding_similarity，它只执行 Embedding 调用或本地向量计算，不执行 Cross-Encoder 联合推理或 LLM 精排。

可选增强

以下设置不是高质量档的必需条件，建议逐项启用并观察效果：

• 将 graph_memory.expansion_hops 从 1 调到 2，提高间接关系召回；二跳候选仍受 second_hop_weight 衰减。
• 保持 recall_engine.max_chain_hops=3，并继续启用图边与话题扩展。
• 只有混合话题分割持续不理想时，才把 topic_segmentation.strategy 改为 strategy_d，并同时设置 cost_control.allow_llm_topic_strategy_d=true。Strategy D 第一阶段占用一个额外额度；若切出多个反思批次，第 2 批及后续批次继续共享本轮剩余额度。
• 需要派生关系时，先启用 memory_evolution.enabled=true 并使用 readonly 模式观察；确认派生质量和复核流程后再评估 active。

不要只设置 mode=quality

cost_control.max_extra_llm_calls_per_turn=0 会继续阻止额外调用。高质量档至少需要把该值设为正数；建议从 2 开始，而不是直接使用最大值。

低成本档：优先费用和速度

低成本档减少自动注入正文并禁止额外 LLM 路径。它不会关闭 canonical 记忆写入，也不会删除已经保存的记忆。

核心设置

配置项	值	原因
cost_control.mode	low_cost	无条件禁止额外 LLM 调用。
cost_control.max_extra_llm_calls_per_turn	0	保持明确的零调用预算。
cost_control.allow_llm_reranker_in_passive_recall	false	不开放 LLM 重排序。
cost_control.allow_llm_topic_strategy_d	false	不执行两阶段 LLM 话题分割。
recall_engine.injection_routing_mode	manual	固定使用低成本预设。
recall_engine.injection_manual_preset	low_cost	最多注入 2 条、总计 800 字符的事实。
recall_engine.injection_delivery_override	auto	避免强制不兼容的传输方式。
recall_engine.injection_preset_overrides_enabled	false	防止手工预算意外扩大上下文。
reranker.enabled	true	仍保留低成本的本地重排序。
reranker.strategy	mmr	不需要额外 Provider 调用。

进一步节省本地计算

只有在 CPU、内存或响应时间同样紧张时，再追加以下设置：

配置项	建议值	影响
recall_engine.top_k	3	缩小候选池，也可能漏掉相关度稍低的记忆。
recall_engine.query_rewrite_enabled	false	直接使用原始查询和内置关键词逻辑。
recall_engine.inject_with_recent_context	false	减少扩展查询构建和额外上下文。
recall_engine.max_chain_hops	1	只保留直接关联扩展。
recall_engine.chain_graph_expansion_enabled	false	跳过图边多跳扩展。
recall_engine.chain_topic_expansion_enabled	false	跳过话题多跳扩展。

不建议仅为节省 token 而关闭 graph_memory.enabled。图检索主要消耗本地计算，保留它通常比完全放弃关系召回更划算。

保留自动路由但偏向某档

如果希望系统根据请求和上下文余量自动调整，使用 hybrid，并通过最小、基础和最大预设限制浮动范围：

下表的“最低预设”“基础预设”和“最高预设”分别对应 recall_engine.injection_hybrid_min_preset、recall_engine.injection_hybrid_base_preset 和 recall_engine.injection_hybrid_max_preset。

偏向	最低预设	基础预设	最高预设
低成本	low_cost	low_cost	balanced
均衡	low_cost	balanced	quality
高质量	balanced	quality	quality

同时设置：

recall_engine.injection_routing_mode = hybrid
recall_engine.injection_auto_fallback_preset = balanced

Hybrid 必须满足“最小档 ≤ 基础档 ≤ 最大档”。自动路由会在明确历史意图且上下文余量充足时倾向 quality，余量不足时倾向 low_cost；候选可靠时通常使用 balanced。

tool_first 何时适用

tool_first 适合已经启用 recall_long_term_memory Agent 工具，并希望模型自行判断何时检索长期记忆的场景。

它的行为与其他预设不同：

• Provider 支持工具且记忆工具可用时，跳过被动召回与自动注入。
• Provider 或 ToolSet 不满足条件时，自动降级到 low_cost。
• 高级注入预算覆盖对 tool_first 不生效。
• 它可以减少无关记忆进入上下文，但模型也可能没有主动调用工具，因此不等同于“最高质量”。

应用与观察

1. 在 Dashboard 的 Config 页面按完整点路径搜索并修改字段。
2. 保存后重新加载插件，使重排序器和成本控制等启动期组件使用新配置。
3. 在 Dashboard 的 Injection 页面确认 resolved preset、候选数、最终选择数、预算和降级原因。
4. 使用 /memora trace <query> [k] 检查召回阶段，不要只根据一次聊天回复判断效果。
5. 用一组固定的真实问题比较修改前后的相关性、延迟和 Provider 用量；避免同时修改过多阈值。

出现响应明显变慢、Provider 限流或注入内容过多时，先恢复均衡档。修改配置不会重写 canonical 记忆，回退档位也不需要重建数据库。

完整字段说明见召回、注入与索引配置和运维、可靠性与安全配置。