组装知己的统一记忆上下文(工作空间):对一个查询返回相关记忆片段(memoryContext)、用户画像摘要(profile)、事实(factContext)、推论提示(inferenceHints)、反事实推演(counterfactualHint)、跨域联想(emergenceHint)等。这是把'懂用户'注入任何 LLM 对话的一站式入口。注意:慢思考查询(假设/对比类)因触发 LLM 推演,延迟可达 10-15 秒。

在用户的长期记忆中做混合搜索(全文 trigram + 向量语义 + 时间衰减加权的 11 阶段管线),返回带来源与评分的记忆片段。比 workspace_assemble 轻量,适合只要召回不要推理的场景。

把一轮对话写入用户的长期记忆。写入后系统异步完成:向量嵌入、画像提取、事实抽取、重要度评分等。messages 必须成对提供 user 与 assistant 发言(至少一条 user)。⚠️ 本工具只收文本;音频/录音/图片/PDF/Word/Excel/视频等文件请改用 zhiji_ingest_file(经既有抽取管线转写/OCR/解析后进记忆)。

获取用户画像的文本摘要(7 层 36 维:基础身份/自传体记忆/思维准则/行为方式/内感知状态/动态状态/涌现洞察)。返回适合直接注入系统提示词的自然语言摘要。

获取从对话中抽取的结构化事实清单(主体归属、置信度、冲突状态)。适合需要精确事实而非叙述性记忆的场景(如核对姓名/日期/数量)。

查询 memory-bridge 服务健康状态与规模(文件数/记忆块数/FTS 可用性)。用于连通性诊断。

查询用户当前窗口内到期/临期的前瞻性意图(待办、承诺、计划)。返回描述、触发条件、到期时间。适合 agent 在对话开始时主动提醒用户'该做某事了'。数据来自知己前瞻监控(prospective-monitor)。

对知己最近一次记忆召回/回答的质量提交显式反馈(点赞/点踩)。反馈会进入知己的自演化奖励信号(implicitPositiveRate),并对最近检索到的记忆块做 Q 值强化(赞)或惩罚(踩)——这是让 agent 的使用效果反哺记忆系统、使其越用越懂用户的闭环入口。rating=up 表示记忆/回答有帮助且准确,down 表示记错/答非所问。⚠️ 若希望反馈精确落到具体记忆块(而非仅计入全局奖励),请在同一会话里先调用 zhiji_workspace_assemble 或 zhiji_memory_search,再调用本工具。

把一个文件(音频/录音/图片/PDF/Word/Excel/视频等)经知己既有抽取管线(Whisper 语音转写 / Tesseract OCR / 文档解析)转成文本后写入长期记忆——这是让音视频与文档'进记忆'的入口(zhiji_memory_ingest 只收文本)。来源三选一:path=MCP 服务器本机可读的文件路径(适合 stdio 本地客户端);url=http(s) 链接(桥接可下载);base64=内联字节(适合远程 HTTP 客户端的小文件)。⚠️ 音视频转写在 CPU 上可能耗时数分钟,请把客户端超时调大并耐心等待。★音视频还会做声学情绪分析(音量/语速/声纹情绪)存入情绪库;isUserVoice=true(确认是用户本人的录音/视频)时,声学情绪进一步汇入用户画像「声学情绪基调」——非用户本人的音频(播客/他人声音)务必留默认 false,否则会污染画像。