Develop (#66)

* 重构ActionCommand和LearnCommand，更新DPMLContentParser和SemanticRenderer的导入路径，确保模块结构一致性。删除不再使用的DPMLContentParser和SemanticRenderer文件，优化代码结构，提升可维护性。

* 重构PromptX资源协议系统，采用极简两层协议架构，删除不必要的语义层，优化路径解析和资源加载流程。引入AI协作优化，支持直接生成完整协议路径，提升系统性能和用户体验。整体架构简化60%，实现零配置启动，显著降低内存占用和启动时间。

* optimize:优化女娲提示词

* Optimize:更新记忆策略文档，增加角色专业记忆的独特价值和工作流程，强调角色记忆与客户端记忆的差异，优化记忆引导话术和决策规则，以提升用户对专业记忆系统的理解和应用。

* feature：增加 Sean 角色

* optimize:优化记忆格式化逻辑，确保完整记忆内容不被截断，同时更新工具定义中的描述，增强用户对记忆回想器的理解和使用指导。

* feat: 添加DACP服务支持，允许通过命令行调用DACP专业服务，增强AI角色的执行能力，同时更新相关依赖和工具定义。

* feat: 在MCPServerCommand和MCPStreamableHttpCommand中添加'promptx_dacp'参数映射，同时在DACPCommand中优化参数处理逻辑，以支持数组参数的正确解析。

* feat: 更新DACP演示服务，重命名服务和描述，简化功能，删除不必要的日历和文档操作，增强演示效果。同时，优化了API接口和README文档，确保用户更易于理解和使用。

* feat: 添加DACP邮件发送功能，支持真实发送与Demo模式，增强邮件发送的配置管理和错误提示，优化用户体验。

* feat: 更新女娲和Sean角色文档，增强角色身份、核心特质和决策框架的描述，优化内容结构，提升用户理解和使用体验。同时，更新产品哲学知识体系，明确矛盾驱动和简洁性原则的应用。

* Add product management submodule

* fix: 修复 recall 和 learn 的 bug

* refactor: 把 hello 改成 welcome

* feat: 添加DACP服务启动脚本和测试命令，更新相关依赖，优化配置文件路径处理

* fix: 更新pnpm-lock.yaml以匹配DACP依赖，解决CI中--frozen-lockfile的错误

* 更新DACP白皮书的更新日期至2025-01-19；在DACPConfigManager中优化配置管理，支持项目级和用户级配置的优先级处理，增强错误提示信息，更新相关方法以支持异步操作。

prompt/core/recall.thought.md

@@ -0,0 +1,87 @@
+<thought>
+  <exploration>
+    ## 回忆需求探索
+    
+    ### 什么时候需要回忆？
+    - **明确查询**：用户直接问"你还记得..."
+    - **上下文缺失**：当前对话需要历史信息支持
+    - **模式识别**：发现与过往经验的相似性
+    - **决策支持**：需要参考历史决策和结果
+    - **个性化服务**：根据用户偏好提供定制建议
+    
+    ### 回忆的信息类型
+    - **身份信息**：用户的角色、职业、背景
+    - **偏好设置**：工作习惯、沟通风格、决策偏好  
+    - **项目历史**：过往项目、团队、关键节点
+    - **问题解决**：成功案例、失败教训、解决方案
+    - **关系网络**：重要联系人、合作模式
+    
+    ### 回忆触发信号
+    - 用户提及过往事件
+    - 当前问题与历史相似
+    - 需要个性化推荐
+    - 决策需要历史依据
+    - 用户询问"你知道我..."
+  </exploration>
+  
+  <reasoning>
+    ## 回忆检索逻辑
+    
+    ### 三层检索策略
+    - **关键词匹配**：直接匹配用户查询的关键词
+    - **语义相关**：理解查询意图，找到相关概念
+    - **时空关联**：考虑时间、项目、情境的关联性
+    
+    ### 相关性评估
+    - **直接相关**：完全匹配查询内容
+    - **间接相关**：与查询主题相关联
+    - **背景相关**：提供上下文支持
+    - **无关信息**：与当前需求不匹配
+    
+    ### 结果组织原则
+    - **按相关性排序**：最相关的优先展示
+    - **按时间排序**：最新或最相关时期的优先
+    - **按重要性排序**：对用户最重要的优先
+    - **分类呈现**：按信息类型分组展示
+    
+    ### 回忆失败处理
+    - **无匹配结果** → 告知用户并询问更多信息
+    - **模糊匹配** → 提供近似结果并确认
+    - **过多结果** → 筛选最相关的并询问具体需求
+  </reasoning>
+  
+  <challenge>
+    ## 关键质疑
+    
+    ### 检索准确性问题
+    - 如何避免误匹配不相关的记忆？
+    - 语义理解是否足够准确？
+    - 时间久远的记忆是否还有价值？
+    
+    ### 隐私和安全考虑
+    - 是否会意外泄露敏感信息？
+    - 如何处理用户已经遗忘想隐藏的信息？
+    - 记忆的访问权限如何控制？
+    
+    ### 用户体验挑战
+    - 回忆过程是否会打断对话流程？
+    - 如何平衡信息完整性和简洁性？
+    - 用户如何纠正错误的回忆结果？
+    
+    ### 系统性能问题
+    - 大量记忆的检索速度如何保证？
+    - 复杂查询的计算成本是否过高？
+    - 如何处理记忆存储的增长？
+  </challenge>
+  
+  <plan>
+    ## 思考结构
+    
+    ### 检索思路
+    1. 分析查询意图和类型
+    2. 应用三层检索策略
+    3. 评估结果相关性
+    4. 组织和排序信息
+    5. 形成回忆结果
+  </plan>
+</thought>