整体架构
关键设计
- 分层混合检索：离线历史由 A/B/C 三类文本索引和 D 类
history_images图片摘要索引构成，运行时另有live_messages。HybridRetriever 内部并发执行五路向量召回，并同时读取当前会话 Recent Live；Layer A 外层再并发执行 HybridRetriever、关系记忆上下文和 Life 决策。 - 可选 Cross-encoder 粗排：开启
CROSS_RERANK_ENABLED=true后，RRF 召回的候选会先过一道专用 reranker 模型（如讯飞免费xop3qwen8breranker或 DashScopeqwen3-rerank）按相关性精排，再注入主聊天 prompt——区分度比 LLM-as-reranker 更细，延迟仅 ~3s。 - 可选 Query 改写：短句口语（"在吗 / 想你了 / 好累"）走 query rewrite 小模型展开为 1-3 个检索友好的变体，多变体命中按
(best_rank, distance)合并，避免短 query 召回稀疏。 - 可选自适应切分：导入期
CHUNKING_STRATEGY=adaptive时按话题边界切聊天记录（启发式 / 小模型可选），比固定 12 条窗口更贴合自然话题；会话级并发可配，大库切分 30 秒内完成。 - AI 回复连发分条：主聊天 LLM 输出含
\n\n时前端拆成多条独立气泡（独立头像 / 时间戳 / 名字），后续段错峰 2-5s 显示，模拟真人 IM 连发节奏。后端协议 100% 标准 OpenAI 兼容，第三方客户端零适配。 - 三层时间权重：近期消息略增（recency boost ±15% 封顶）+ 暖度词加权（warmth boost）+ live/history 信任分层。
- 分层记忆防自污染：运行时把用户输入标记为
user_new，把 AI 分身回复标记为ai_generated。两者都可用于连续性检索，但ai_generated低权重，且不会参与 persona / 风格蒸馏；真正用于模仿对方语气的长期证据只来自真人原始聊天（human_original）。 - AI 回复长期累积可控：默认
AI_GENERATED_LONG_TERM_ENABLED=false，AI 回复只在同一会话内用于连续性；如果希望 AI 分身随着长期互动形成自己的变化轨迹，可以开启该项，让ai_generated跨会话参与低权重语义检索。 - 持续生长记忆：每轮对话都异步回写
live_messages，向量库不再是一次性快照。 - 本轮互动决策层：生成回复前先判断本轮该认真、安抚、撒娇、接梗、转移、沉默、发图还是表情；也会在用户烦躁、崩溃、失眠、关系压力等场景下禁止继续刺激用户。规则引擎兜底安全场景；如果开启
RESPONSE_POLICY_MODEL_ENABLED，会再叫一次小模型做有界微调（不能降级 risk、不能撤销规则给的安全/沉默/要图/要表情判断）。 - 沉默与延迟响应：决策层判断本轮不应回复时直接短路，不调主模型，返回
finish_reason="silenced"+ sentinel content +policy.should_reply=false；生活状态建议的拟人化延迟放在policy.reply_delay_seconds，由客户端决定何时展示。 - 三条独立离线路径：
xuwen import负责向量索引及 persona、风格、作息和轻量主动画像；xuwen analyze由用户显式运行，负责时间线、人格、Life 和实验画像；xuwen analyze-proactive由用户单独决定运行，只负责主动倾向统计及可选 AI 动机归因。普通导入或关系分析都不会触发主动消息 AI 归因。 - 分析产物按需消费：时间线当前只通过分析 API/前端展示，不注入聊天；人格画像只有在
ANALYSIS_PERSONALITY_PROMPT_ENABLED=true时进入主 Prompt；Life 习惯只有在ANALYSIS_LIFE_CONTEXT_ENABLED=true时进入状态决策。 - 主动聊天学习（实验性，不推荐使用，默认关闭）：运行时优先读取独立的
proactive_analysis.json做时间、星期、空闲间隔和开场类型调度；报告缺失、损坏或无有效样本时回退导入期proactive_profile.json，再回退向量库窗口。质量检查脚本只读报告并给出启用建议，不会调用 AI 或自动改变开关。/v1/companion/proactive/poll到点后仍会二次执行防打扰门控，并从记忆、关系上下文和最近缓存中选择话题钩子。 - 真实时间 + 生活状态：每次模型调用都会收到当前时区下的真实时间；生活时间线由可配置小模型维护，回答"在干嘛/吃了吗/睡没睡"时优先使用当前状态。fail-open 兜底：LLM 调用失败也写入最小 fallback state，避免每轮死循环重试。
- 可选联网：后端默认支持 Tavily，也可切到 SearXNG；在明确需要公开实时信息时把网页摘要注入 prompt，默认关闭。
- 大库索引加速：
uv run python -m xuwen.ingestion.cli index --language zh-CN一键给 LanceDB 向量表建 IVF_PQ 索引，10 万行以上规模时检索耗时降一个数量级；cli optimize定期合并增量入索引。 - 零微调：完全靠 RAG + Prompt Engineering + Persona 卡片，不动模型权重。
- 时光信笺 UI：米色信笺 + 黛蓝墨痕 + 思源宋体 + 暖光粒子 + 拟人化打字节奏 + 记忆溯源浮窗。