记忆召回与上下文投影

从存储集合到当前可用记忆

记忆库可能很大，模型每轮需要的却很少。Recall policy先判断当前用户和任务允许哪些scope、哪个时间点和哪些验证状态，再在其中寻找相关事实或经历。读取策略不是简单取最相似的十段聊天，也不是把所有profile和历史放进prompt。

Zep v4将user graph与thread区分，当前文档使用thread.get_context获取相关上下文；这是一个服务接口示例。应用仍需决定哪些资料进入记忆、如何约束搜索范围，以及返回内容以什么通道交给模型。

先资格，后相关性

建议依次过滤当前授权、来源有效性、撤回/过期、任务范围与时间，再按问题相关性和用途选择。事实用于约束回答，经历用于参考方法，程序候选只有通过独立发布才可作为合格技能。不能因旧记忆匹配度高就忽略其来源已撤回。

常驻核心块适合小型稳定信息；长事件按需取回；任务摘要链接权威状态。可用混合检索、结构字段和时间条件组合，但要限制重复和token，避免一个高频话题挤掉新纠正。必要时返回原事件供定点核验。

记忆是数据，不是权限

Zep安全文档明确要求把检索上下文当作非可信数据。它可能包含用户消息、第三方资料或模型生成摘要，不能被插入特权指令通道后当作系统政策。检索到“曾经这样做过”也不构成当前发送、付款或修改配置的授权。

验收比较无记忆与不同召回策略，在相同任务下测成功、token、旧事实使用和跨scope泄漏。单独检查事实是否存在、retriever是否返回、模型是否正确使用，才能知道该改写入、索引还是context组装，而不是反复扩大top-k。