/search_memory

name: search_memory
description: "搜索 XiaoPaw 的历史对话记忆。当用户询问过去发生的事、之前的偏好、历史任务结果时使用。支持语义搜索（'上次那个航班'）、关键字搜索（'PDF转换'）、混合搜索（'上周的工作文件'）。"
type: task
version: "1.0"

search_memory Skill

功能说明

在 pgvector 数据库中搜索 XiaoPaw 的历史对话记忆，支持三种搜索模式的混合使用。

---

数据库结构

连接信息（从环境变量读取）：

• DSN：`MEMORY_DB_DSN`，默认 `postgresql://xiaopaw:xiaopaw123@localhost:5432/xiaopaw_memory`

`memories` 表字段说明：

| 字段 | 类型 | 说明 | 搜索方式 | |------|------|------|---------| | `id` | TEXT | 主键 | — | | `session_id` | TEXT | 来源 session | 标量过滤 | | `routing_key` | TEXT | 用户标识（p2p:ou_xxx） | 标量过滤 | | `user_message` | TEXT | 用户原始消息 | 全文搜索 | | `assistant_reply` | TEXT | 助手回复 | 展示用 | | `summary` | TEXT | 一句话摘要 | 向量搜索 | | `tags` | TEXT[] | 领域标签（工作/文件处理/日程/搜索/代码等） | 标量过滤 | | `created_at` | TIMESTAMPTZ | 写入时间 | 标量过滤 | | `turn_ts` | BIGINT | 对话时间戳（毫秒） | 标量过滤 | | `summary_vec` | vector(1024) | 摘要语义向量 | 向量搜索 | | `message_vec` | vector(1024) | 原始对话语义向量 | 向量搜索 | | `search_tsv` | TSVECTOR | 全文索引（自动维护） | BM25近似 |

---

搜索策略选择

根据用户问题类型选择搜索策略：

| 场景 | 策略 | 示例 | |------|------|------| | 语义模糊查询 | 纯向量搜索 | "上次那个航班"、"之前聊过的投资建议" | | 精确关键字 | 纯全文搜索 | "PDF转换"、"错误码500" | | 有时间/标签限制 | 混合搜索 | "上周的工作文件"、"代码相关的历史" | | 通用查询 | 混合搜索（推荐） | 大多数情况下混合搜索效果最好 |

---

调用方式

调用 `scripts/search.py`，通过命令行参数传入搜索条件：

python /mnt/skills/search_memory/scripts/search.py \
  --query "用户的搜索意图" \
  --tags "工作,文件处理" \
  --days 7 \
  --limit 5 \
  --mode hybrid

参数说明

| 参数 | 必填 | 说明 | |------|------|------| | `--query` | 是 | 搜索意图（自然语言） | | `--tags` | 否 | 标签过滤，逗号分隔（如 `工作,文件处理`） | | `--days` | 否 | 时间范围，最近N天（如 `7` 表示最近一周） | | `--routing_key` | 否 | 限定用户（默认不限） | | `--limit` | 否 | 返回条数，默认 5 | | `--mode` | 否 | 搜索模式：`hybrid`（默认）/ `vector` / `fulltext` |

输出格式

JSON 数组，每条记录包含：

[
  {
    "id": "abc123",
    "summary": "帮用户转换了一个PDF文件",
    "user_message": "帮我把这个 PDF 转成 Word",
    "assistant_reply": "转换完成，文件已保存到 outputs/result.docx",
    "tags": ["工作", "文件处理"],
    "created_at": "2026-01-20T14:00:25Z",
    "score": 0.92
  }
]

---

搜索示例

示例1：语义搜索（用户问"上次那个航班"）

python /mnt/skills/search_memory/scripts/search.py --query "航班查询" --mode vector --limit 3

示例2：混合搜索（"上周帮我处理的文件"）

python /mnt/skills/search_memory/scripts/search.py --query "文件处理" --tags "文件处理" --days 7 --mode hybrid

示例3：全文搜索（精确关键字）

python /mnt/skills/search_memory/scripts/search.py --query "PDF转换" --mode fulltext --limit 5

---

注意事项

• 搜索结果按相关性得分降序排列，取 topK
• 混合搜索得分 = 向量得分 × 0.7 + 全文得分 × 0.3
• 如果搜索结果为空，按以下顺序放宽条件重试：

1. 先去掉 `--days` 限制（时间范围可能太窄） 2. 再去掉 `--tags` 限制（标签可能不匹配） 3. 最后切换到 `--mode vector` 纯语义搜索（关键字可能不准）

• 如果需要查看完整回复内容，`assistant_reply` 字段已包含