记忆系统，上下文处理+mem0

.cursor/changelog/changelog-full.md

@@ -4,6 +4,33 @@
 
 ## 记录
 
+### [CL-20260413-2320] 2026-04-13 23:20 — 集成 Mem0 记忆系统：滑动窗口 + 跨会话长期记忆
+- **tags**: Mem0, 记忆系统, 上下文管理, 长期记忆, Ollama, embedding, 滑动窗口
+- **affected_files**:
+  - art-agent/backend/app/memory.py（新建）
+  - art-agent/backend/app/agent/loop.py
+  - art-agent/backend/app/config.py
+  - art-agent/backend/app/api/chat.py
+  - art-agent/backend/requirements.txt
+  - art-agent/backend/.env
+  - art-agent/frontend/src/lib/api.ts
+  - art-agent/frontend/src/app/page.tsx
+  - .gitignore
+- **what**: 集成 Mem0 开源版作为统一记忆方案，一次性解决两个延期方案：上下文管理（滑动窗口截断）和跨会话长期记忆（事实提取+语义检索）
+- **why**: 当前对话全量透传无截断，长对话会超 token 上限且费用线性增长；且每次会话从零开始无法记住用户偏好
+- **decisions**: 
+  - 选择 Mem0 OSS 自部署（非平台托管），完全本地化，数据在 ./data/qdrant
+  - DeepSeek 作为事实提取 LLM（复用现有 key，成本极低）
+  - Ollama nomic-embed-text 作为本地 embedding（免费，768维，性能足够）
+  - 不做静默降级：Ollama 不可用 → 阻止启动；search 失败 → SSE error 中断对话；add 失败 → SSE warning 告知用户
+  - 用 asyncio.run_in_executor 异步执行 memory.add()，不阻塞用户体验
+- **notes**: 
+  - 测试时创建了 data/qdrant 目录（含测试记忆数据），已加入 .gitignore
+  - Ollama 需要作为后台服务保持运行
+  - 首次 Mem0 初始化约需 5-8 秒（创建 Qdrant collection）
+  - 解决了延期方案 [context-window-management] 和 [mem0-long-term-memory]
+- **source_chat**: [Mem0 记忆系统集成](mem0-memory-integration)
+
 ### [CL-20260413-1130] 2026-04-13 11:30 — 修复 SDXL 模型 404 错误：补全 Replicate 版本 hash
 - **tags**: bug修复, Replicate, SDXL, 模型配置, 404
 - **affected_files**:

.cursor/changelog/changelog-headlines.md

@@ -2,6 +2,7 @@
 
 最近 ~50 次改动的一句话概要，按时间倒序排列。每次会话自动注入上下文。
 
+- [CL-20260413-2320] 集成 Mem0 记忆系统：Mem0 OSS + DeepSeek 事实提取 + Ollama 本地 embedding + 滑动窗口，一次性解决上下文管理和跨会话长期记忆
 - [CL-20260413-1130] 修复 SDXL 模型 404 错误：与 Kolors 同因，Replicate 非 Flux 官方模型需补全版本 hash
 - [CL-20260413-1100] 修复切换模型后 LLM 仍声称使用旧模型名：System Prompt 动态注入当前模型名，阻止 LLM 从对话历史幻觉旧模型
 - [CL-20260413-1030] Agent Loop 假生成检测 + 自动重试：DeepSeek 用文字模拟生图时自动注入纠正消息强制调用工具

.cursor/changelog/changelog-recent.md

@@ -3,6 +3,11 @@
 最近 ~10 次改动的摘要记录，按时间倒序排列。
 当 Agent 检测到当前任务与近期改动相关时自动读取。
 
+### [CL-20260413-2320] 2026-04-13 — 集成 Mem0 记忆系统：滑动窗口 + 跨会话长期记忆
+- **tags**: Mem0, 记忆系统, 上下文管理, 长期记忆, Ollama, embedding, 滑动窗口
+- **affected_files**: app/memory.py, app/agent/loop.py, app/config.py, app/api/chat.py, requirements.txt, .env, frontend/src/lib/api.ts, frontend/src/app/page.tsx
+- **summary**: 集成 Mem0 OSS 作为统一记忆方案。DeepSeek 做事实提取，Ollama nomic-embed-text 做本地 embedding，Qdrant 文件模式做向量存储。agent loop 新增滑动窗口（MAX_RECENT_TURNS=20）、记忆检索注入 system prompt、异步事实存储。前端传递 session_id 实现会话级记忆作用域。不做静默降级，所有错误显式报告。
+
 ### [CL-20260413-1130] 2026-04-13 — 修复 SDXL 模型 404 错误：补全 Replicate 版本 hash
 - **tags**: bug修复, Replicate, SDXL, 模型配置, 404
 - **affected_files**: art-agent/backend/app/config.py

.cursor/deferred/registry.md

@@ -91,53 +91,18 @@
 - **chosen_alternative**: 当前资源库使用手动标签 + Prompt 文本搜索
 - **deferred_reason**: 当前阶段资源量少，手动管理足够；等资源积累到一定量级后再引入自动化
 
-### [context-window-management] 对话上下文管理（Token 预算 + 滑动窗口 + 摘要）
-- **status**: deferred
-- **tags**: 上下文管理, token, 滑动窗口, 对话摘要, agent loop, 长对话
-- **recorded**: 2026-04-13
-- **source_chat**: [Art Agent 上下文与记忆体系讨论](memory-architecture-discussion)
-- **prerequisite**: 无（随时可做，优先级高于长期记忆）
-- **related_files**:
-  - art-agent/backend/app/agent/loop.py
-  - art-agent/frontend/src/lib/api.ts
-  - art-agent/frontend/src/lib/store.ts
-- **context**: |
-    当前 Art Agent 对话采用"全量透传"：前端把完整 messages 发给后端，后端原样拼接传给 LLM，
-    没有 token 计数、截断或摘要。长对话会导致上下文超限、费用线性增长。
-    实施方案（自建，无需外部依赖）：
-    1. Token 计数：用 tiktoken 库在构建 api_messages 时计数
-    2. 滑动窗口：超过预算时截断最早的消息
-    3. 对话摘要：被截断的消息先调 LLM 生成摘要，作为压缩上下文保留
-    预估工作量 1-2 天，是记忆体系的第一层基础。
-- **chosen_alternative**: 当前全量透传，依赖模型自身的上下文窗口上限
-- **deferred_reason**: 当前探索期对话通常较短，暂未触及上限；但随着迭代使用会很快需要
-
-### [mem0-long-term-memory] 引入 Mem0 作为长期记忆层
-- **status**: deferred
-- **tags**: 长期记忆, Mem0, 用户偏好, 语义检索, 事实提取, memory layer
-- **recorded**: 2026-04-13
-- **source_chat**: [Art Agent 上下文与记忆体系讨论](memory-architecture-discussion)
-- **prerequisite**: 第一层上下文管理（context-window-management）完成后
-- **related_files**:
-  - art-agent/backend/app/agent/loop.py
-  - art-agent/backend/app/config.py
-- **context**: |
-    引入 Mem0 开源版（Apache 2.0）作为 Art Agent 的跨会话长期记忆层：
-    - Mem0 是"bolt-on"设计，保留自己的 agent loop，只外挂 memory API
-    - 核心 API：memory.add()（存储+自动事实提取）+ memory.search()（语义检索）
-    - 自部署：pip install mem0ai + Qdrant 向量库，LLM 用 DeepSeek 降成本
-    - 记忆范围：用户风格偏好、历史生成反馈、常用参数等
-    - 与自建 Rules/Docs 静态知识系统互补：Mem0 负责动态记忆，Rules 负责预置知识
-    技术选型对比（本次讨论结论）：
-    - Letta 不适合：它是完整 agent runtime，不是 memory layer，需要替换现有 loop
-    - Zep 可行但偏重：时序知识图谱能力强但集成复杂度更高
-    - Mem0 最适合：设计哲学完全对口"已有 agent + 外挂 memory"，集成最简（~20 行代码）
-    预估工作量 3-5 天（含 Mem0 部署 + 集成 + extraction prompt 调优）。
-- **chosen_alternative**: 当前无长期记忆，每次会话从零开始
-- **deferred_reason**: 探索期优先做第一层上下文管理；长期记忆在用户量和使用频率增长后再引入
-
 ---
 
 ## Completed / Cancelled Items
 
-（暂无已完成或已废弃的方案）
+### [context-window-management] 对话上下文管理（滑动窗口）
+- **status**: completed
+- **completed_date**: 2026-04-13
+- **completed_by**: [CL-20260413-2320] Mem0 记忆系统集成
+- **notes**: 原计划自建 tiktoken + 滑动窗口 + 摘要。实际方案：Mem0 的事实提取替代了"对话摘要"，滑动窗口在 loop.py 中实现（MAX_RECENT_TURNS=20）
+
+### [mem0-long-term-memory] 引入 Mem0 作为长期记忆层
+- **status**: completed
+- **completed_date**: 2026-04-13
+- **completed_by**: [CL-20260413-2320] Mem0 记忆系统集成
+- **notes**: Mem0 OSS 自部署（DeepSeek 事实提取 + Ollama nomic-embed-text embedding + Qdrant 本地向量库），与上下文管理一并实施