取 PASM 认知上下文（只读，不写记忆）。返回：与当前话题相关的长期记忆、当前情绪值、人格、可用动作池。这是把 PASM 接进大模型提示词的首选工具 —— 先调它，再把 recalled 里的内容当作'你确实记得的事'写进回复。

在 PASM 长期记忆里检索与 query 相关的经历，返回标题/摘要/标签/重要度。

语义检索（认知层）：换一种说法也能命中，并解释每条为什么被召回。适合当 pasm_recall 检索不到时的第二步 —— 它走向量 + 中文同义扩展，并按'记忆保留度'加权（很久没被唤起的记忆会自然降权）。

焦点栈：查看或更新'现在在聊什么'。长对话里先压入当前话题，后续检索会自动给相关内容加权，避免跑题。不传 topic 就是查看。

记忆巩固（睡眠回放）：把高度相似的重复经历蒸馏成一条要点，并把源条目标记为已合并，避免记忆池被重复项撑爆。默认只给建议（apply=false），确认后传 apply=true 执行。

把一件事写进 PASM 长期记忆。值得记住的用户信息、承诺、偏好、共同经历都应该写进来。salience 越高越不容易被淘汰（1-5，重要的事用 4-5）。

向 PASM 报告一个带情绪效价的事件，驱动情绪状态演化（valence: -1 负面 ~ +1 正面）。

让 PASM 按「人格基线 + 反馈学到的偏好」从动作池里选一个动作。不传 candidates 就用智能体自己的动作池。

用户对 PASM 行为的反馈，会塑形后续动作选择。kind: praise(夸奖)/scold(责怪)/poke(调侃)/hug(安慰)/ignore(无视)。必须尽量带 action（被评价的那个动作名），否则偏好会集中在某一个动作上。

走一次完整认知回路：检索记忆 → 渲染回复 → 把这次对话写进记忆。回复是模板渲染、非 LLM 生成，用于快速验证或纯离线场景；要自然语言效果请用 pasm_context 配合你自己的模型。

查看或更新人格。不传 persona 就是查看。传入为合并更新（未提及的键保持原值）。常用键：name/role/tone/temper(0-1 主动性)/energy(0-1 活跃度)/play(0-1 俏皮度)/actions(动作池数组)。

查看 PASM 状态快照：档位(light/core/bionic)、记忆条数、情绪值、交互次数、落盘目录。

把 PASM 状态立即落盘（不传 agent_id 则保存全部已加载的智能体）。