import type { MemoryEntry, MemoryLayer } from './types.js';
/** 召回结果 */
export interface RecallResult {
    /** 召回的记忆条目（按相关度排序） */
    entries: ScoredMemoryEntry[];
    /** 是否超时 */
    timedOut: boolean;
    /** 召回策略描述 */
    strategy: string;
}
/** 带分数的记忆条目 */
export interface ScoredMemoryEntry extends MemoryEntry {
    /** 相关度分数 0-1 */
    relevanceScore: number;
}
/** 召回配置 */
export interface RecallOptions {
    /** 最大返回条数，默认 5 */
    maxResults?: number;
    /** 召回超时（毫秒），默认 3000 */
    timeoutMs?: number;
    /** 仅召回指定层级 */
    layers?: MemoryLayer[];
}
/**
 * 智能记忆召回引擎
 *
 * 召回策略（优先级排序）：
 * 1. 关键词匹配：userText 分词后与 key/content 做模糊匹配
 * 2. 重要性加权：importance 高的记忆权重更大
 * 3. 时效性衰减：近期更新的记忆优先（updatedAt 越新分数越高）
 *
 * 超时保护：超过 timeoutMs 立即返回空结果，不阻塞对话
 */
export declare class MemoryRecallEngine {
    /**
     * 召回相关记忆（带超时保护）
     */
    recall(userText: string, allMemories: MemoryEntry[], options?: RecallOptions): Promise<RecallResult>;
    private recallInner;
    /**
     * 提取查询词项（简单分词）
     * 支持中英文混合：英文按空格，中文按字
     */
    private extractTerms;
    /**
     * 计算关键词匹配分数（TF-IDF 加权）
     * 稀有词（出现在少量记忆中）获得更高权重，常见词权重降低
     */
    private computeKeywordScore;
    /**
     * 构建 IDF 映射表：term → IDF 分数
     * IDF = log(N / df)，N=总文档数，df=包含该 term 的文档数
     */
    private buildIDFMap;
    /**
     * 计算时效性分数（0-1）
     * 24 小时内的记忆得 1.0，30 天前的记忆得 ~0.1
     */
    private computeRecencyScore;
}
/**
 * 将召回结果格式化为可注入 system prompt 的文本
 */
export declare function formatRecallForPrompt(result: RecallResult): string;
//# sourceMappingURL=recall.d.ts.map