用户Memory功能

版本: 0.10
优先级: P0-T0
负责人: -
创建日期: 2026-01-07

1. 需求背景

用户Memory用于存储和更新用户在对话中表达的信息，让AI能够记住用户的历史信息，避免重复提问，提供更个性化的对话体验。

2. 功能描述

2.1 功能概述

用户Memory用于存储和更新用户在对话中表达的信息，包括：

• 用户历史对话总结
• 用户画像（年龄/职业/沟通风格/核心困扰）
• 已知信息边界（避免重复问相同问题）

2.2 数据来源

• 用户历史对话内容：从对话中提取关键信息
• 用户主动填写的基础信息：如问卷中的信息
• 系统从对话中提取的关键信息：通过NLP技术自动提取

2.3 更新机制

• 自动更新：每次对话结束后，系统自动提取关键信息并更新Memory
• 手动编辑：支持手动编辑和修正Memory内容
• 使用场景：Memory数据用于后续对话的System Prompt组装（Module 1）

2.4 数据结构

参考 Persona JSON 格式，具体字段待技术方案确定后补充。

预期字段（待确认）：

• 基础信息：年龄、职业、性别等
• 沟通风格：表达习惯、情绪特点等
• 核心困扰：主要问题和关注点
• 历史对话总结：关键信息摘要
• 已知信息边界：已了解的信息列表

3. 用户场景

场景1：首次对话后更新Memory

1. 用户完成一次对话
2. 系统自动提取关键信息（如年龄、困扰、表达风格等）
3. 更新用户Memory
4. 下次对话时，AI能记住这些信息

场景2：多次对话累积Memory

1. 用户进行多次对话
2. 每次对话后更新Memory
3. Memory内容逐渐丰富
4. AI对用户的了解越来越深入

场景3：手动修正Memory

1. 用户发现Memory中的信息有误
2. 手动编辑修正
3. 后续对话使用修正后的信息

4. 验收标准

• 每次对话结束后能自动提取关键信息
• 提取的信息能正确更新到Memory
• Memory数据能正确用于System Prompt组装
• 支持手动编辑Memory
• AI能正确使用Memory信息，避免重复提问
• Memory数据结构合理，便于扩展

5. 技术要点

5.1 信息提取

• 需要NLP技术从对话中提取关键信息
• 需要识别用户画像、困扰、风格等

5.2 信息存储

• 需要设计合理的数据结构
• 需要支持增量更新

5.3 信息使用

• 需要将Memory转换为System Prompt格式
• 需要处理Memory缺失的情况（新用户）

6. 依赖项

• NLP信息提取服务
• 数据存储系统（PostgreSQL/Supabase）
• System Prompt组装系统

7. 待定事项

• Memory数据结构的具体字段定义
• 信息提取的具体算法和模型
• 信息更新的触发时机和频率
• Memory的存储位置和格式
• 手动编辑的UI和交互方式