┌─────────────────────────────────────────────────────┐
│               Agent 长期记忆层                       │
├─────────────────────────────────────────────────────┤
│                                                     │
│  ┌─────────────┐  ┌──────────────┐  ┌───────────┐   │
│  │ 语义记忆    │  │ 关系记忆     │  │ 事实记忆  │   │
│  │ (pgvector)  │  │ (Apache AGE) │  │ (关系表)  │   │
│  │             │  │              │  │           │   │
│  │ 模糊回忆    │  │ 实体关系     │  │ 精确查询  │   │
│  │ 相似度检索  │  │ 因果推理     │  │ 元数据    │   │
│  │ RAG 增强    │  │ 知识图谱     │  │ 审计日志  │   │
│  └─────────────┘  └──────────────┘  └───────────┘   │
│                                                     │
│  ┌─────────────────────────────────────────────┐    │
│  │ RLS 行级安全 → 多租户 / 多 Agent 数据隔离   │    │
│  └─────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────┘

-- 核心表结构
CREATE SCHEMA memory;

-- 记忆记录表（append-only，不可变）
CREATE TABLE memory.records (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    tenant_id UUID NOT NULL,        -- 租户隔离
    agent_id UUID NOT NULL,         -- 所属 Agent
    project_id UUID,                -- 所属项目（可选）
    content TEXT NOT NULL,          -- 记忆内容
    embedding vector(1024),         -- 向量嵌入
    memory_type TEXT DEFAULT 'episodic',  -- 记忆类型
    importance FLOAT DEFAULT 0.5,   -- 重要性权重
    metadata JSONB DEFAULT '{}',    -- 扩展元数据
    created_at TIMESTAMPTZ DEFAULT NOW(),
    expires_at TIMESTAMPTZ          -- 过期时间（可选）
);

-- 向量索引
CREATE INDEX idx_memory_embedding ON memory.records
USING hnsw (embedding vector_cosine_ops);

-- RLS 策略
ALTER TABLE memory.records ENABLE ROW LEVEL SECURITY;
CREATE POLICY tenant_isolation ON memory.records
    USING (tenant_id = current_setting('app.tenant_id')::uuid);

-- 写入一条记忆
INSERT INTO memory.records (tenant_id, agent_id, content, embedding, memory_type)
VALUES (
    '550e8400-e29b-41d4-a716-446655440000',
    'agent-planner-001',
    '用户偏好使用 Python 进行数据分析，喜欢简洁的代码风格',
    tencentdb_ai.get_embedding('bge-m3', '用户偏好使用 Python 进行数据分析'),
    'preference'
);

-- 根据当前上下文检索相关记忆
SELECT content, memory_type,
       1 - (embedding <=> query_vec) AS relevance
FROM memory.records
WHERE agent_id = 'agent-planner-001'
  AND (expires_at IS NULL OR expires_at > NOW())
ORDER BY embedding <=> tencentdb_ai.get_embedding('bge-m3', '用户的编程偏好是什么？')
LIMIT 5;

-- 基于时间和重要性的记忆衰减
SELECT content,
       importance * EXP(-0.01 * EXTRACT(EPOCH FROM (NOW() - created_at)) / 86400) AS current_weight
FROM memory.records
WHERE agent_id = 'agent-planner-001'
ORDER BY current_weight DESC
LIMIT 10;

-- 使用大模型对旧记忆进行总结压缩
SELECT tencentdb_ai.chat_completions(
    '<your-llm-model>',
    '请将以下多条记忆总结为一段话：' || string_agg(content, E'\\n')
)
FROM memory.records
WHERE agent_id = 'agent-planner-001'
  AND created_at < NOW() - INTERVAL '7 days'
GROUP BY DATE(created_at);

-- 每个 Agent / 租户只能访问自己的记忆
SET app.tenant_id = '550e8400-e29b-41d4-a716-446655440000';
SET app.agent_id = 'agent-planner-001';

-- RLS 自动过滤，无需应用层判断
SELECT * FROM memory.records;  -- 只返回当前租户的数据