import { Context } from "koishi";
import { HistoryConfig } from "./config";
import { ContextualMessage, MemoryChunkData, MessageData } from "./types";
export declare class SemanticMemoryManager {
    private ctx;
    private config;
    private logger;
    private embedModel;
    private messageBuffer;
    private isRebuilding;
    constructor(ctx: Context, config: HistoryConfig);
    start(): void;
    stop(): void;
    addMessageToBuffer(message: MessageData): Promise<void>;
    flushBuffer(channelId: string): Promise<void>;
    private flushAllBuffers;
    private processMessageBatch;
    /**
     * 根据查询文本检索相关的记忆片段。
     * 1. 高效获取候选池：一次性加载所有相关chunks，在内存中计算相似度，避免全表扫描和N+1查询。
     * 2. 精确近邻扩展：对Top-K候选块，在内存时间线中查找前后邻居。
     * 3. 智能合并：将所有相关（候选+邻居）且时间连续的块分组，并按“头取半、尾取半、中间全取”的规则合并，确保上下文完整且无冗余。
     * 4. 向量兼容性处理：自动检测并处理因更换模型导致的向量维度不一致问题，通过后台任务重建索引。
     * @param queryText - 查询文本
     * @param options - 查询选项
     * @returns 按时间顺序排列的、经过合并优化的记忆块列表。
     */
    search(queryText: string, options?: {
        platform?: string;
        channelId?: string;
        k?: number;
        startTimestamp?: Date;
        endTimestamp?: Date;
    }): Promise<(MemoryChunkData & {
        similarity: number;
    })[]>;
    /**
     * 将一组按时间排序的记忆块进行分组和合并。
     * 只有在全局时间线上连续的块才会被分到同一组并合并。
     * @param chunks - 待处理的、已按时间排序的记忆块（候选块+邻居）
     * @param chunkIndexMap - 全局块ID到其在时间线上索引的映射
     * @returns 合并后的记忆块列表
     */
    private groupAndMergeChunks;
    compileEventsToText(messages: (MessageData | ContextualMessage)[]): string;
    /**
     * 重建所有 L2 记忆片段的向量索引。
     * 增加状态锁，防止多个重建任务同时运行。
     */
    rebuildIndex(): Promise<void>;
}