召回、注入与索引配置
本页逐项说明候选检索、融合、过滤、图召回、重排序和索引管理配置。召回链按“取候选 → 融合与扩展 → 重排序 → 隔离过滤 → 注入路由”工作，因此单独提高 top_k 并不保证最终注入更多记忆。
建议先选择注入预设，再按观测结果调整预算和阈值。高级覆盖、图检索与重排序会增加延迟和成本，启用前应先确认对应 Provider 与索引可用。
记忆召回
配置域："recall_engine"。控制记忆检索和注入到对话的行为
| 配置项 | 类型 | 默认值 | 选项与范围 | 说明 |
|---|---|---|---|---|
"recall_engine.top_k" | "int" | 6 | 最小值：0最大值： 50 | 单次召回数量 每次检索返回的最相关记忆条数，同时是注入选择器的候选池：需不小于各注入预设的 max_memories（最大为 quality 预设的 6），建议 6-10。设为 0 可跳过自动召回和注入，仅保留历史注入片段清理。 |
"recall_engine.max_k" | "int" | 10 | 最小值：1最大值： 50 | 主动检索最大数量 Agent 主动调用长期记忆检索工具时允许返回的最大记忆条数。用于限制工具单次召回规模，建议 5-10。 |
"recall_engine.importance_weight" | "float" | 1 | 最小值：0最大值： 10 | 重要性权重 混合评分中记忆重要性的占比系数。值越大，重要性高的记忆越优先被召回。 |
"recall_engine.fallback_to_vector" | "bool" | true | - | 降级到纯向量检索 混合检索失败或结果为空时，自动降级为纯向量检索。建议开启。 |
"recall_engine.injection_routing_mode" | "string" | "manual" | 可选："manual" / "auto" / "hybrid" | 记忆注入路由模式 manual 严格使用管理员预设；auto 按当前请求信号自动选择；hybrid 自动选择后限制在管理员设定的预设范围内。 |
"recall_engine.injection_manual_preset" | "string" | "balanced" | 可选："tool_first" / "low_cost" / "balanced" / "quality" | 手动模式预设 纯手动模式固定使用的高级策略预设。 |
"recall_engine.injection_auto_fallback_preset" | "string" | "balanced" | 可选："tool_first" / "low_cost" / "balanced" / "quality" | 自动模式回退预设 自动路由无法形成可靠建议时使用的高级策略预设。 |
"recall_engine.injection_hybrid_base_preset" | "string" | "balanced" | 可选："tool_first" / "low_cost" / "balanced" / "quality" | 混合模式基础预设 混合模式的稳定基线，必须位于最小与最大预设之间。 |
"recall_engine.injection_hybrid_min_preset" | "string" | "low_cost" | 可选："tool_first" / "low_cost" / "balanced" / "quality" | 混合模式最小预设 混合模式自动建议允许采用的最低策略等级。 |
"recall_engine.injection_hybrid_max_preset" | "string" | "quality" | 可选："tool_first" / "low_cost" / "balanced" / "quality" | 混合模式最大预设 混合模式自动建议允许采用的最高策略等级。 |
"recall_engine.injection_delivery_override" | "string" | "auto" | 可选："auto" / "extra_user_content" / "user_message_before" / "user_message_after" / "fake_tool_call" / "fake_tool_call_deepseek_v4" | 注入传输覆盖 auto 由预设和 Provider 能力选择临时注入方式；其余选项强制指定兼容的传输方式。System Prompt 不再是注入目标。 |
"recall_engine.injection_preset_overrides_enabled" | "bool" | false | - | 启用高级预设覆盖 开启后允许下方预算和内容开关覆盖已解析预设；数值为 0 时仍使用预设默认值。 |
"recall_engine.injection_decision_retention_days" | "int" | 30 | 可选：7 / 30 / 90 / 180 / 0 | 注入决策保留天数 只允许 7、30、90、180 或 0 天；0 表示不按时间删除，但仍受最大行数限制。 |
"recall_engine.injection_decision_max_rows" | "int" | 100000 | 最小值：1000最大值： 1000000 | 注入决策最大行数 保留的完整脱敏决策记录上限；超过上限后优先删除最旧记录。 |
"recall_engine.auto_remove_injected" | "bool" | true | - | 自动清除旧注入片段 注入新记忆前自动删除历史中已注入的旧记忆片段，避免重复累积和 token 浪费。建议开启。 |
"recall_engine.inject_with_recent_context" | "bool" | false | - | 启用跨轮次上下文扩展检索 启用后检索记忆时会自动拼接最近 2 轮对话（当前消息 + Bot 上一条回复 + 用户上一条消息）作为扩展查询，提升召回记忆与当前话题的相关性，减少无关记忆干扰。 |
"recall_engine.search_cache_enabled" | "bool" | true | - | 启用短期检索缓存 短时间内相同会话和相同查询会复用检索结果，降低连续追问时的 SQLite/FAISS 开销。 |
"recall_engine.search_cache_ttl_seconds" | "float" | 45 | 最小值：0最大值： 600 | 检索缓存 TTL 秒数 缓存保留时间。写入、更新、删除记忆时会自动失效。设为 0 可关闭缓存。 |
"recall_engine.search_cache_max_size" | "int" | 256 | 最小值：0最大值： 10000 | 检索缓存最大条目数 限制内存中保留的检索结果数量。超过上限时自动淘汰最久未使用的结果。 |
"recall_engine.max_chain_hops" | "int" | 3 | 最小值：0最大值： 3 | 链式回忆最大跳数 多跳检索时从命中记忆向外扩展的最大跳数。1=仅直接关联，2=包含间接关联。值越大召回越全但耗时越长。建议 1-3。 |
"recall_engine.chain_hop_decay" | "float" | 0.7 | 最小值：0最大值： 1 | 链式扩展衰减率 每跳一跳，关联记忆的评分乘以该衰减率。0.7 表示每跳衰减 30%。值越小远距离关联越弱。 |
"recall_engine.chain_graph_expansion_enabled" | "bool" | true | - | 启用图边多跳扩展 沿知识图谱边扩展到间接关联的实体。关闭可减少检索计算开销。 |
"recall_engine.chain_topic_expansion_enabled" | "bool" | true | - | 启用话题关联多跳扩展 沿话题相似度扩展到间接关联的记忆。关闭可减少检索计算开销。 |
"recall_engine.id_cache_size" | "int" | 1000 | - | 向量 ID 缓存大小 FAISS 向量 ID 映射的内存缓存条数。增大可减少 SQLite 查询但增加内存占用。 |
"recall_engine.stopwords_path" | "string" | "" | - | 自定义停用词文件路径 BM25 分词使用的自定义停用词列表文件路径。留空使用默认中文停用词表。一行一个停用词。 |
"recall_engine.query_rewrite_enabled" | "bool" | true | - | 启用语义查询改写 (R1) 使用 LLM few-shot 将模糊查询（如"上次那个事"）展开为多角度检索词。关闭后回退到硬编码关键词匹配。需要 LLM Provider 可用。 |
"recall_engine.privacy_filter_enabled" | "bool" | true | - | 启用隐私记忆过滤 群聊检索时自动过滤来自私聊的机密记忆（privacy_level=confidential），避免私聊秘密在群聊中暴露。 |
"recall_engine.testing_effect_async" | "bool" | true | - | 测试效应：异步模式 每次成功召回后异步强化记忆（reinforcement_count+1 + TTL×1.05）。开启后不阻塞检索热路径。 |
"recall_engine.testing_effect_top_k" | "int" | 5 | 最小值：1最大值： 50 | 测试效应：强化条数上限 每次召回最多对前 N 条记忆应用测试效应强化。值越大强化范围越广但写压力也越大。 |
"recall_engine.injection_budget_chars" | "int" | 0 | 最小值：0最大值： 10000 | 注入预算：总字符数上限 普通记忆注入总字符数硬上限覆盖。0 表示使用已解析高级预设的默认值，不表示无限制。 |
"recall_engine.injection_memory_max_chars" | "int" | 0 | 最小值：0最大值： 2000 | 注入预算：单条记忆最大字符数 单条记忆 content 的硬上限覆盖。0 表示使用已解析高级预设的默认值，不表示无限制。 |
"recall_engine.injection_metadata_max_chars" | "int" | 0 | 最小值：0最大值： 500 | 注入预算：单条记忆元数据最大字符数 单条记忆元数据的硬上限覆盖。0 表示使用已解析高级预设的默认值，不表示无限制。 |
"recall_engine.injection_include_key_facts" | "bool" | true | - | 注入：包含 key_facts 关闭可减少注入内容长度。 |
"recall_engine.injection_include_topics" | "bool" | true | - | 注入：包含 topics 关闭可减少注入内容长度。 |
"recall_engine.injection_include_participants" | "bool" | false | - | 注入：包含 participants 群聊场景可开启以提供参与者上下文。默认关闭以节省 token。 |
"recall_engine.injection_compact_header" | "bool" | true | - | 注入：紧凑版头部 使用精简中文 header/footer 替代英文安全规则，显著减少 token 开销。 |
"recall_engine.cognitive_context_budget_chars" | "int" | 300 | 最小值：0最大值： 2000 | 认知上下文预算 黑话解释/表达模式/好感度状态的注入字符上限。 |
"recall_engine.proactive_plan_budget_chars" | "int" | 240 | 最小值：0最大值： 1000 | 前瞻提醒预算 即将触发的 PLANNED 原子提醒的注入字符上限。 |
"recall_engine.serial_position_enabled" | "bool" | true | - | 启用序列位置效应 对话开头和结尾的消息获得额外的 importance 加成（首 2 条 +0.15，末 2 条 +0.10），模拟真人首因/近因效应。 |
"recall_engine.session_cache_enabled" | "bool" | true | - | 启用请求级检索缓存 同一 LLM 请求内的重复搜索（Bridge→RecallHandler）复用结果，避免重复检索。TTL 极短（10s），仅在同一请求内生效。 |
"recall_engine.session_cache_ttl_seconds" | "float" | 10 | 最小值：0最大值： 120 | 请求级缓存 TTL 秒数 同一请求内检索结果的缓存有效期。建议 5-15 秒。 |
"recall_engine.spontaneous_recall_enabled" | "bool" | true | - | 启用自发回忆 以低概率（默认 6%）在非查询驱动下主动浮现关联记忆，模拟真人"突然想起来"的体验。 |
"recall_engine.spontaneous_recall_probability" | "float" | 0.06 | 最小值：0最大值： 1 | 自发回忆触发概率 每次 LLM 请求触发自发回忆的概率。建议 0.03-0.10。过高会导致记忆注入过于频繁。 |
"recall_engine.spontaneous_recall_k" | "int" | 2 | - | 自发回忆返回条数 自发回忆触发时最多返回的记忆条数。建议 1-3 条。 |
"recall_engine.prospective_recall_enabled" | "bool" | true | - | 启用前瞻记忆 每次 LLM 请求前扫描 24h 内到期的 PLANNED 原子，主动注入待办提醒。模拟真人"今天要做 X"的记忆浮现。 |
"recall_engine.prospective_lookahead_hours" | "float" | 24 | - | 前瞻记忆扫描窗口 扫描未来多少小时内的 PLANNED 原子。默认 24 小时。 |
"recall_engine.prospective_recall_k" | "int" | 3 | - | 前瞻记忆返回条数 每次扫描最多返回的 PLANNED 原子条数。建议 1-5 条。 |
"recall_engine.narrative_coherence_enabled" | "bool" | true | - | 启用叙事连贯性 检索结果按时间线排序并按主题聚类，标注叙事分组和位置。下游格式化器可据此生成过渡短语提升记忆输出的可读性。 |
"recall_engine.interest_boost_enabled" | "bool" | true | - | 启用兴趣记忆显著性 根据用户画像中的兴趣标签，对匹配话题的记忆给予 importance 加成。依赖用户画像。 |
检索融合策略
配置域："fusion_strategy"。BM25 和向量检索结果的融合参数（内部使用 RRF 算法）
| 配置项 | 类型 | 默认值 | 选项与范围 | 说明 |
|---|---|---|---|---|
"fusion_strategy.rrf_k" | "int" | 60 | 最小值：1最大值： 1000 | RRF 融合参数 k 值越小越强调排名靠前的结果，值越大融合越平滑。推荐 30-120，默认 60。 |
混合检索评分权重
配置域："hybrid_scoring"。控制 BM25 + 向量混合检索结果的评分权重分配。三个评分权重必须都在 0-1 且总和为 1；修改后需重载插件。
| 配置项 | 类型 | 默认值 | 选项与范围 | 说明 |
|---|---|---|---|---|
"hybrid_scoring.score_alpha" | "float" | 0.5 | 最小值：0最大值： 1 | 检索相关性权重 BM25+向量检索相似度在混合评分中的占比。值越大，检索结果越偏向字面和语义匹配。 |
"hybrid_scoring.score_beta" | "float" | 0.25 | 最小值：0最大值： 1 | 重要性权重 记忆自身重要性在混合评分中的占比。值越大，高重要性记忆越容易被召回。 |
"hybrid_scoring.score_gamma" | "float" | 0.25 | 最小值：0最大值： 1 | 时间新鲜度权重 记忆创建/访问时间在混合评分中的占比。值越大，越新的记忆越容易被召回。 |
"hybrid_scoring.mmr_lambda" | "float" | 0.7 | 最小值：0最大值： 1 | MMR 多样性权衡 这是 HybridRetriever 候选去重的相关性权重，与 reranker.mmr_lambda 分属两个排序阶段。 |
记忆隔离设置
配置域："filtering_settings"。
| 配置项 | 类型 | 默认值 | 选项与范围 | 说明 |
|---|---|---|---|---|
"filtering_settings.use_persona_filtering" | "bool" | true | - | 按人格隔离记忆 开启后只召回与当前人格相关的记忆，不同人格的记忆互不干扰。 |
"filtering_settings.use_session_filtering" | "bool" | true | - | 按会话隔离记忆 开启后每个会话的记忆独立存储，不同会话之间不共享记忆。 |
图记忆双路检索
配置域："graph_memory"。启用后会同时维护文档路和图路，两边都支持关键词与向量检索，再统一融合召回结果。
| 配置项 | 类型 | 默认值 | 选项与范围 | 说明 |
|---|---|---|---|---|
"graph_memory.enabled" | "bool" | true | - | 启用图记忆检索 开启后自动构建图节点、边和图向量索引。建议开启。 |
"graph_memory.document_route_weight" | "float" | 0.65 | 最小值：0最大值： 1 | 文档路权重 文档路融合分数在最终双路排序中的占比。 |
"graph_memory.graph_route_weight" | "float" | 0.35 | 最小值：0最大值： 1 | 图路权重 图路融合分数在最终双路排序中的占比。 |
"graph_memory.cross_route_bonus" | "float" | 0.08 | 最小值：0最大值： 0.5 | 双路命中加分 同一记忆同时被文档路和图路命中时增加的额外分数。 |
"graph_memory.expansion_limit" | "int" | 24 | 最小值：1最大值： 200 | 图邻居扩展上限 图关键词检索时从命中节点扩展到邻居条目的最大候选数。 |
"graph_memory.expansion_hops" | "int" | 1 | 最小值：1最大值： 2 | 图扩展跳数 图关键词检索从命中节点向外扩展的跳数。默认 1；设为 2 可召回间接关联，但会增加少量查询开销。 |
"graph_memory.second_hop_weight" | "float" | 0.4 | 最小值：0最大值： 1 | 二跳扩展权重 二跳图候选的分数权重。值越高，间接关系越容易进入最终召回。 |
"graph_memory.dynamic_route_weighting" | "bool" | true | - | 动态路由权重 根据查询中的关系、时间、定义类意图，自动调整文档路和图路权重。 |
"graph_memory.max_topics_per_memory" | "int" | 6 | 最小值：1最大值： 20 | 单记忆最大主题数 从一条记忆中最多提取多少个 topics 节点。 |
"graph_memory.max_participants_per_memory" | "int" | 8 | 最小值：1最大值： 30 | 单记忆最大参与者数 从一条记忆中最多提取多少个 participants 节点。 |
"graph_memory.max_facts_per_memory" | "int" | 8 | 最小值：1最大值： 30 | 单记忆最大事实数 从一条记忆中最多提取多少条 key_facts 进入图索引。 |
"graph_memory.atom_enabled" | "bool" | true | - | 启用记忆原子化 开启后每条 key_fact 独立为一个记忆原子，拥有自己的存活时间和衰减曲线。关闭则完全回退到原来的粗粒度行为。 |
"graph_memory.atom_maintenance_interval_hours" | "float" | 24 | 最小值：1最大值： 168 | 原子维护间隔(小时) 生命周期管理器每隔多少小时执行一次过期/遗忘检查。 |
"graph_memory.atom_forget_delay_days" | "float" | 7 | 最小值：1最大值： 90 | 原子遗忘延迟(天) 过期原子在多少天后从检索索引中彻底移除。 |
"graph_memory.atom_purge_delay_days" | "float" | 30 | 最小值：1最大值： 365 | 遗忘原子物理清理延迟(天) 已从检索索引移除的遗忘原子，在多少天后从数据库物理删除以回收存储空间。 |
"graph_memory.score_alpha" | "float" | 0.55 | 最小值：0最大值： 1 | 图检索：向量相似度权重 图路向量检索相似度在图检索混合评分中的占比。值越大图向量匹配越重要。范围 0-1。 |
"graph_memory.score_beta" | "float" | 0.2 | 最小值：0最大值： 1 | 图检索：关键词匹配权重 图路关键词匹配分数在图检索混合评分中的占比。范围 0-1。 |
"graph_memory.score_gamma" | "float" | 0.15 | 最小值：0最大值： 1 | 图检索：时间新鲜度权重 图节点/边的创建时间在图检索混合评分中的占比。范围 0-1。 |
"graph_memory.score_delta" | "float" | 0.1 | 最小值：0最大值： 1 | 图检索：图结构权重 图节点度数、边权重等结构特征在图检索混合评分中的占比。范围 0-1。 |
"graph_memory.temporal_edges_enabled" | "bool" | true | - | 启用时序图边 控制后续写入是否提取 before/after/during 关系。修改后需重载插件并重建图派生数据。 |
"graph_memory.causal_edges_enabled" | "bool" | true | - | 启用因果图边 控制后续写入是否提取 caused_by/results_in/prevents 关系。修改后需重载插件并重建图派生数据。 |
重排序模型
配置域："reranker"。检索后对候选记忆进行精细重排序，提升 Top-K 精度
| 配置项 | 类型 | 默认值 | 选项与范围 | 说明 |
|---|---|---|---|---|
"reranker.enabled" | "bool" | true | - | 启用重排序器 关闭后跳过所有重排序步骤，减少计算开销。 |
"reranker.strategy" | "string" | "mmr" | 可选："mmr" / "embedding_similarity" / "llm" / "hybrid" | 重排序策略 mmr: 最大边际相关性(推荐，无额外LLM调用); embedding_similarity: Embedding余弦相似度; llm: LLM打分(高成本); hybrid: 两级排序 |
"reranker.mmr_lambda" | "float" | 0.7 | 最小值：0最大值： 1 | MMR 相关性权重 值越高越偏向相关性。范围 0-1。 |
"reranker.embedding_similarity_lambda" | "float" | 0.7 | 最小值：0最大值： 1 | Embedding 相似度融合权重 query-doc 余弦相似度与原始得分的融合比例。 |
"reranker.llm_batch_size" | "int" | 10 | 最小值：1最大值： 50 | LLM 重排序批量大小 每次处理的候选记忆数量上限。LLM 策略会增加 token 消耗。 |
返回配置参考总览。