feat: 准备snapshot发布 - 简化角色系统，完善核心命令

prompt/core/thought/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> 

prompt/core/thought/remember.thought.md

@@ -0,0 +1,64 @@
+<thought>
+  <exploration>
+    ## 记忆价值探索
+    
+    ### 什么值得记忆？
+    - **用户身份**：职业、角色、专业背景
+    - **工作偏好**：习惯、风格、决策模式
+    - **项目信息**：当前工作、重要节点、团队
+    - **经验教训**：成功案例、失败原因、解决方案
+    - **重要关系**：关键联系人、合作方式
+    
+    ### 记忆触发信号
+    - 用户明确说"记住"
+    - 重复提及的信息
+    - 重要决策和选择
+    - 问题解决的关键步骤
+    - 用户反馈和评价
+  </exploration>
+  
+  <reasoning>
+    ## 评估推理逻辑
+    
+    ### 三维度快速评估
+    - **重要性**：对用户有多重要？(核心身份>工作相关>一般信息>无关内容)
+    - **可信度**：信息有多可靠？(用户陈述>逻辑推导>第三方>推测)
+    - **持久性**：能用多长时间？(长期有效>中期有效>短期有效>即时信息)
+    
+    ### 简单决策规则
+    - **显式要求** → 直接记忆
+    - **三个维度都高** → 推荐记忆
+    - **重要性高 + 其他中等** → 考虑记忆
+    - **重要性低** → 不记忆
+    
+    ### 特殊情况处理
+    - **信息冲突** → 选择更可信、更新的
+    - **信息更新** → 替换旧信息
+    - **信息补充** → 关联到现有记忆
+  </reasoning>
+  
+  <challenge>
+    ## 关键质疑
+    
+    ### 评估是否过于主观？
+    - AI的判断标准是否一致？
+    - 不同用户类型是否需要不同标准？
+    - 如何处理边界情况？
+    
+    ### 是否会遗漏重要信息？
+    - 看似不重要但长期有价值的信息？
+    - 用户未明确表达但暗示重要的信息？
+    - 情境变化导致价值变化的信息？
+  </challenge>
+  
+  <plan>
+    ## 思考结构
+    
+    ### 评估思路
+    1. 识别信息类型和来源
+    2. 快速三维度评估
+    3. 应用决策规则
+    4. 考虑特殊情况
+    5. 形成记忆建议
+  </plan>
+</thought>