功能建议：记忆的"淡忘"机制——让 AI 伴侣的记忆像人一样有层次

Clear and concise description of the problem

作为使用这个项目的开发者，我希望 AIRI 的记忆模块支持"分层 + 淡忘"机制，这样 AI 伴侣的记忆会像真人一样有层次、更可信。

背景

我是 AIRI 用户 + AI 伴侣自研项目作者（此前已提交 #2431 声音克隆、#2432 双轨对话两个建议）。在自研项目中实现并验证了一套"分层 + 会淡忘"的记忆系统，希望为 AIRI 正在开发的记忆模块（Alaya）提供方向参考。

现状问题

1. "记住一切"不等于"记得好"：如果 AI 伴侣把所有对话都原样记下来，检索时会互相干扰，回答会像"念档案"而不是"聊天"——真人记忆是有层次的：重要的永不忘、最近的在脑中、太久的慢慢淡忘
2. AIRI 的记忆模块（Alaya）正在开发中，此时提供经过实战验证的设计方向，正好能融入
3. 记忆的"提取"环节很花钱：每条对话都让 LLM 提取记忆，token 消耗可观，需要低成本兜底

Suggested solution / Ideas

期望功能

1. 三层记忆结构：
   • 贴身记忆（人设）：名字、关系、重要承诺——永远不删
   • 档案记忆（核心事实）：用户的喜好、习惯、个人信息——带重要度评分，太久不提及会随时间衰减
   • 聊天记忆：近期对话上下文——自然滚动淘汰
2. 重要性评分 + 时间衰减（"淡忘"机制）：每条档案记忆有 importance（1~10）和最后提及时间；重要度随时间衰减，衰减到 0 才删除。"生日"这类高重要度的永不忘，随口一提的"最近在追的剧"过几周自然淡忘
3. 低成本提取（双通道）：LLM 提取为主 + 本地规则（正则）兜底——LLM 没提取到或想省钱时，本地规则自动抓"我叫XX""我喜欢XX"这类模式，不额外花 API 钱
4. 检索按重要度加权：回复时相关记忆按"相关度 × 重要度"排序，高重要度记忆优先出现在上下文里

接入建议

1. 与 Alaya 模块开发结合，先落地"三层结构 + 重要度评分"，再补"时间衰减"
2. 提取双通道可以做成可插拔：默认 LLM 提取，配置 low-cost mode 时用本地规则
3. 记忆数据格式建议字段：{content, category, importance, confidence, last_mentioned_at, created_at}——未来可平滑迁移到向量检索

Alternative

低成本提取（双通道）：LLM 提取为主 + 本地规则（正则）兜底——LLM 没提取到或想省钱时，本地规则自动抓"我叫XX""我喜欢XX"这类模式，不额外花 API 钱 备选：先只做三层记忆结构，不做时间衰减；或接入现有 RAG 方案，不自定义衰减

Additional context

参考实现（我的实战验证）

我的项目 memory.py 已实现并稳定运行：

• 设计依据：MISS MemoryScorer（记忆带 importance/confidence，本地评分不花 API 钱；重要度随时间衰减，衰减到 0 删除）+ UTSUWA 三层记忆模型
• 提取兜底示例（本地正则，零成本）："我喜欢喝奶茶" → 自动提取为 ("他喜欢喝奶茶", "喜好")，匹配身份/生活/喜好/喜恶/个人信息/工作学习/习惯 7 类模式
• 噪音过滤：太泛泛的废话（"嗯""好"）不记
• 检索：本地关键词匹配（向量检索留作后续升级）

附加价值

• "她会淡忘"本身就是仿真感的一部分：她记得你的生日，但会忘了上周随口说的剧——和真人一样，反而更可信
• 配合 #2432 双轨机制：内心话可以引用记忆（"上次他说那家烧烤很好吃…（心里）真想一起去"），记忆是"活人感"的地基

如需我提供 memory.py 的完整实现、衰减公式或实际对话样例，随时可以补充。谢谢！

Validations

• Follow our Code of Conduct
• Read the Contributing Guide.
• Check that there isn't already an issue that request the same feature to avoid creating a duplicate.