import type { LLMProvider } from '../llm/types.js';
import type { Message } from '../types.js';
/** 从对话中提取的原子事实 */
export interface AtomFact {
    /** 记忆键（snake_case，用于 upsert） */
    key: string;
    /** 事实内容 */
    content: string;
    /** 分类 */
    category: 'user_preference' | 'project_knowledge' | 'learned_fact' | 'custom';
    /** 重要程度 1-5 */
    importance: number;
    /** 来源会话 ID */
    sourceSessionId: string;
}
/** 提取配置 */
export interface ExtractorOptions {
    /** LLM Provider 实例 */
    llmProvider: LLMProvider;
    /** 降级 LLM Provider（可选，主 Provider 失败时切换） */
    fallbackProvider?: LLMProvider;
    /** 单次提取最大原子事实数，默认 5 */
    maxFactsPerSession?: number;
    /** 触发提取的最小迭代次数，默认 3 */
    minIterations?: number;
    /** 提取超时（毫秒），默认 30000 */
    timeoutMs?: number;
}
/**
 * LLM 驱动的原子事实提取器
 * 从对话历史中提取持久性、可复用的结构化事实（L1 Atom）
 */
export declare class MemoryExtractor {
    private llmProvider;
    private fallbackProvider?;
    private maxFactsPerSession;
    private minIterations;
    private timeoutMs;
    constructor(opts: ExtractorOptions);
    /**
     * 从对话消息中提取原子事实
     * @param messages 对话消息列表
     * @param sessionId 当前会话 ID
     * @param existingKeys 已有的记忆键（用于去重）
     * @returns 提取到的原子事实数组
     */
    extract(messages: Message[], sessionId: string, existingKeys: string[]): Promise<AtomFact[]>;
    /**
     * 调用 LLM 提取事实
     */
    private callLLM;
    /**
     * 单次流式 LLM 调用
     */
    private callLLMStream;
    /**
     * 解析 LLM 输出的 JSON 数组
     */
    private parseFacts;
    private normalizeCategory;
    /**
     * 构建对话摘要（将消息列表压缩为文本，限制总字符数）
     */
    private buildMessagesSummary;
}
//# sourceMappingURL=extractor.d.ts.map