patch

.dockerignore

@@ -53,4 +53,5 @@ projects/_cache/
 # Docker
 Dockerfile
 docker-compose.yml
-.dockerignore
+.dockerignore
+worktree

.gitignore

@@ -5,3 +5,4 @@ __pycache__
 */__pycache__
 models
 projects/queue_data
+worktree

CLAUDE.md

@@ -35,4 +35,25 @@ curl --request POST \
 
 ## 添加依赖
 如果需要添加依赖，需要在 pyproject.toml 里添加，然后执行 poetry install 来安装。
-并执行`poetry export -f requirements.txt -o requirements.txt --without-hashes`来更新 requirements.txt 文件。
+并执行`poetry export -f requirements.txt -o requirements.txt --without-hashes`来更新 requirements.txt 文件。
+
+
+## Git Worktree 管理
+
+用于在多个分支间并行工作，无需频繁切换分支。
+
+### 创建新的 worktree 和分支
+
+```bash
+# 1. 创建 worktree 目录（如果不存在）
+mkdir -p worktrees
+
+# 2. 创建新的 worktree
+git worktree add worktrees/branch-name branch-name
+
+# 3. 切换到新的 worktree 目录
+cd worktrees/branch-name
+
+# 4. 确认当前分支
+git branch  # 应该显示 branch-name
+```

agent/mem0_config.py

@@ -3,7 +3,9 @@ Mem0 配置数据类
 用于管理 Mem0 长期记忆系统的配置参数
 """
 
+from datetime import datetime
 from dataclasses import dataclass
+from pathlib import Path
 from typing import TYPE_CHECKING, Optional
 
 # 避免循环导入
@@ -11,6 +13,38 @@ if TYPE_CHECKING:
     from langchain_core.language_models import BaseChatModel
 
 
+# 缓存已加载的提示词模板
+_fact_extraction_prompt_template: Optional[str] = None
+
+
+def _load_fact_extraction_prompt() -> str:
+    """从 prompt/FACT_RETRIEVAL_PROMPT.md 加载提示词模板
+
+    Returns:
+        str: 提示词模板内容
+    """
+    global _fact_extraction_prompt_template
+
+    if _fact_extraction_prompt_template is not None:
+        return _fact_extraction_prompt_template
+
+    # 获取项目根目录（假设 prompt/ 在项目根目录下）
+    project_root = Path(__file__).parent.parent
+    prompt_file = project_root / "prompt" / "FACT_RETRIEVAL_PROMPT.md"
+
+    try:
+        _fact_extraction_prompt_template = prompt_file.read_text(encoding="utf-8")
+    except FileNotFoundError:
+        # 如果文件不存在，返回默认提示词
+        _fact_extraction_prompt_template = (
+            "Extract relevant facts about the user from the conversation.\n"
+            "Today's date is {current_time}.\n"
+            "Return response in JSON format: {\"facts\": [\"fact1\", \"fact2\"]}"
+        )
+
+    return _fact_extraction_prompt_template
+
+
 @dataclass
 class Mem0Config:
     """Mem0 长期记忆配置类"""
@@ -69,6 +103,18 @@ class Mem0Config:
         memory_text = "\n".join(f"- {m}" for m in memories)
         return self.memory_prompt_template.format(memories=memory_text)
 
+    def get_custom_fact_extraction_prompt(self) -> str:
+        """获取自定义记忆提取提示词
+
+        从 prompt/FACT_RETRIEVAL_PROMPT.md 读取模板并替换 {current_time} 为当前日期
+
+        Returns:
+            str: 自定义记忆提取提示词
+        """
+        template = _load_fact_extraction_prompt()
+        current_date = datetime.now().strftime("%Y-%m-%d")
+        return template.format(current_time=current_date)
+        
     def with_session(self, session_id: str) -> "Mem0Config":
         """创建带有新 session_id 的配置副本
 

agent/mem0_manager.py

@@ -245,7 +245,9 @@ class Mem0Manager:
         # 配置 Mem0 使用 Pgvector
         # 注意：这里使用 huggingface_base_url 来绕过本地模型加载
         # 设置一个假的 base_url，这样 HuggingFaceEmbedding 就不会加载 SentenceTransformer
+        
         config_dict = {
+            "custom_fact_extraction_prompt": config.get_custom_fact_extraction_prompt(),
             "vector_store": {
                 "provider": "pgvector",
                 "config": {