feat: 添加分层记忆系统 (L0/L1/L2 Memory)

[szzhoujiarui-sketch]

功能描述

建议添加分层记忆系统，实现对话上下文的智能管理和压缩，解决长对话场景下的 token 消耗和上下文丢失问题。

背景与动机

当前对话系统在处理长对话时面临以下问题：

• 上下文窗口有限，无法保留完整的对话历史
• token 消耗随对话长度线性增长
• 重要信息可能被后续消息淹没
• 缺乏跨会话的长期记忆能力

提议的解决方案

实现三层记忆架构：

L0 - 原始消息层 (Raw Messages)

• 保留最近 N 条完整对话消息
• 用于即时上下文理解
• 默认保留 10-20 条消息

L1 - 会话摘要层 (Session Summary)

• 自动总结已完成对话段落
• 压缩比约 80-90%
• 在 L0 满时触发总结
• 保留关键决策、代码修改、用户偏好

L2 - 长期记忆层 (Long-term Memory)

• 跨会话持久化存储
• 提取重要事实、规则、用户习惯
• 支持手动编辑和查询
• 可导出为 memory.md

预期效果

• 减少 80%+ 的 token 消耗
• 保持长对话的连贯性
• 实现跨会话记忆延续
• 支持用户自定义记忆规则

参考实现

类似功能已在 NousResearch/hermes-agent#43955 中讨论，实现了 85% token 节省。

相关 Issue

• 建议：自动创建初始记忆 #590: 自动创建初始记忆 (初始化模板)
• 本 issue 关注完整的分层记忆系统实现

---

标签: enhancement, memory, feature-request