feat: автоматическое извлечение фактов через ИИ + команды /facts и /forget

Новые возможности:
- Автоматическое извлечение фактов каждые 5 сообщений диалога
- ИИ анализирует диалог и извлекает факты по категориям (личное, технологии, проекты, предпочтения)
- Команда /facts — показать все сохранённые факты
- Команда /forget <номер> — удалить факт
- Счётчик сообщений для триггера извлечения (messages_since_fact_extract)

Архитектура:
- Эвристики (мгновенно): простые паттерны типа 'меня зовут...', 'я использую...'
- ИИ (каждые 5 сообщений): анализ последних 10 сообщений, JSON-ответ с фактами
- ChromaDB: все сообщения для семантического поиска
- SQLite (facts): извлечённые факты с категориями и уверенностью

Промпт для ИИ:
- Категории: PERSONAL, TECHNICAL, PROJECT, PREFERENCE, OTHER
- Формат: JSON с type, content, confidence
- Только явные факты из диалога

Version: 0.4.0

Co-authored-by: Qwen-Coder <qwen-coder@alibabacloud.com>

bot.py

@@ -317,6 +317,7 @@ class UserState:
     editing_server: Optional[str] = None  # Имя сервера, который редактируем
     ai_chat_mode: bool = False  # Режим чата с ИИ агентом
     ai_chat_history: List[str] = field(default_factory=list)  # История диалога с ИИ
+    messages_since_fact_extract: int = 0  # Счётчик для извлечения фактов
 
 
 class StateManager:
@@ -2013,6 +2014,14 @@ async def handle_ai_task(update: Update, text: str):
     if len(full_output) > 3500:
         full_output = full_output[:3500] + "\n... (вывод обрезан)"
 
+    # Автоматическое извлечение фактов каждые 5 сообщений
+    state.messages_since_fact_extract += 1
+    if state.messages_since_fact_extract >= 5:
+        logger.info(f"Запуск извлечения фактов через ИИ для пользователя {user_id}")
+        dialog_context = "\n".join(state.ai_chat_history[-10:])  # Последние 10 сообщений
+        asyncio.create_task(hybrid_memory_manager.extract_facts_with_ai(user_id, dialog_context))
+        state.messages_since_fact_extract = 0
+
     # Формируем сообщение с информацией о контексте (как в qwen-code)
     context_info = f"📊 Контекст: {context_percent}%"
     response_text = f"{full_output}\n\n_{context_info}_"
@@ -2900,6 +2909,8 @@ async def post_init(application: Application):
         BotCommand("stop", "Прервать SSH-сессию"),
         BotCommand("ai", "Задача для Qwen Code AI"),
         BotCommand("memory", "Статистика памяти ИИ"),
+        BotCommand("facts", "Показать сохранённые факты"),
+        BotCommand("forget", "Удалить факт по номеру"),
     ]
     await application.bot.set_my_commands(commands)
 
@@ -3050,6 +3061,101 @@ async def memory_command(update: Update, context: ContextTypes.DEFAULT_TYPE):
     await update.message.reply_text(text, parse_mode="Markdown")
 
 
+@check_access
+async def facts_command(update: Update, context: ContextTypes.DEFAULT_TYPE):
+    """Обработка команды /facts — показать сохранённые факты."""
+    user_id = update.effective_user.id
+    
+    # Получаем факты из SQLite
+    from memory_system import memory_manager
+    facts = memory_manager.storage.get_facts(user_id)
+    
+    if not facts:
+        await update.message.reply_text(
+            "📋 *Ваши факты*\n\n"
+            "Пока нет сохранённых фактов.\n"
+            "Общайтесь с ИИ в чате — он автоматически запомнит важное!",
+            parse_mode="Markdown"
+        )
+        return
+    
+    # Группируем по типам
+    from memory_system import FactType
+    grouped = {}
+    for fact in facts:
+        type_name = fact.fact_type.value
+        if type_name not in grouped:
+            grouped[type_name] = []
+        grouped[type_name].append(fact)
+    
+    # Формируем сообщение
+    type_names_ru = {
+        "personal": "👤 Личное",
+        "technical": "💻 Технологии",
+        "project": "📁 Проекты",
+        "preference": "⭐ Предпочтения",
+        "other": "📌 Другое"
+    }
+    
+    text = "📋 *Ваши сохранённые факты:*\n\n"
+    
+    for type_name, type_facts in grouped.items():
+        type_title = type_names_ru.get(type_name, type_name)
+        text += f"*{type_title}* ({len(type_facts)}):\n"
+        
+        for i, fact in enumerate(type_facts, 1):
+            # Обрезаем длинные факты
+            content = fact.content
+            if len(content) > 100:
+                content = content[:100] + "..."
+            text += f"  {i}. {content}\n"
+        
+        text += "\n"
+    
+    text += f"_Всего: {len(facts)} фактов_\n"
+    text += "_Для удаления факта используйте `/forget <номер>`_"
+    
+    await update.message.reply_text(text, parse_mode="Markdown")
+
+
+@check_access
+async def forget_command(update: Update, context: ContextTypes.DEFAULT_TYPE):
+    """Обработка команды /forget — удалить факт."""
+    user_id = update.effective_user.id
+    
+    if not context.args or not context.args[0].isdigit():
+        await update.message.reply_text(
+            "❌ *Использование:*\n"
+            "`/forget <номер>`\n\n"
+            "Сначала вызовите `/facts` чтобы увидеть список.",
+            parse_mode="Markdown"
+        )
+        return
+    
+    # Получаем факты
+    from memory_system import memory_manager
+    facts = memory_manager.storage.get_facts(user_id)
+    
+    fact_index = int(context.args[0]) - 1
+    
+    if fact_index < 0 or fact_index >= len(facts):
+        await update.message.reply_text(
+            f"❌ Факт с номером {fact_index + 1} не найден.\n"
+            f"Всего фактов: {len(facts)}",
+            parse_mode="Markdown"
+        )
+        return
+    
+    # Удаляем факт
+    fact_to_delete = facts[fact_index]
+    memory_manager.storage.update_fact(fact_to_delete.id, is_active=False)
+    
+    await update.message.reply_text(
+        f"✅ Факт удалён:\n_{fact_to_delete.content}_",
+        parse_mode="Markdown"
+    )
+
+
 def main():
     """Точка входа."""
     # Чтение токена только из переменной окружения
@@ -3113,6 +3219,8 @@ def main():
     application.add_handler(CommandHandler("menu", menu_command))
     application.add_handler(CommandHandler("stop", stop_command))
     application.add_handler(CommandHandler("memory", memory_command))
+    application.add_handler(CommandHandler("facts", facts_command))
+    application.add_handler(CommandHandler("forget", forget_command))
     application.add_handler(CallbackQueryHandler(menu_callback))
     application.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_text_message))
     application.add_handler(CommandHandler("ai", ai_command))

vector_memory.py

@@ -391,14 +391,14 @@ class HybridMemoryManager:
         return profile
 
     def extract_and_save_facts(self, user_id: int, message: str, response: str = None):
-        """Извлечь факты из сообщения и сохранить."""
+        """Извлечь факты из сообщения (эвристики + ИИ)."""
         import re
         from memory_system import Fact, FactType
 
         extracted = []
         message_lower = message.lower()
 
-        # Имя
+        # Эвристики для быстрых простых фактов
         if "меня зовут" in message_lower:
             parts = message.split("меня зовут")
             if len(parts) > 1:
@@ -436,7 +436,111 @@ class HybridMemoryManager:
                 extracted.append(fact)
 
         if extracted:
-            logger.info(f"Извлечено {len(extracted)} фактов для пользователя {user_id}")
+            logger.info(f"Извлечено {len(extracted)} фактов (эвристики) для пользователя {user_id}")
+
+    async def extract_facts_with_ai(self, user_id: int, dialog_context: str) -> List:
+        """
+        Извлечь факты из диалога с помощью ИИ.
+        
+        Args:
+            user_id: ID пользователя
+            dialog_context: Текст диалога для анализа
+            
+        Returns:
+            Список сохранённых фактов
+        """
+        from memory_system import Fact, FactType
+        import json
+        import re
+        
+        # Промпт для извлечения фактов
+        prompt = f"""
+Проанализируй диалог и извлеки факты о пользователе.
+
+Диалог:
+{dialog_context}
+
+Извлеки факты по категориям:
+1. **PERSONAL** — имя, возраст, город, профессия, предпочтения
+2. **TECHNICAL** — технологии, языки программирования, инструменты, стек
+3. **PROJECT** — проекты, репозитории, директории, домены
+4. **PREFERENCE** — предпочтения в коде, стиле, инструментах
+
+Верни ответ ТОЛЬКО в формате JSON:
+{{
+  "facts": [
+    {{"type": "personal", "content": "Пользователя зовут Владимир", "confidence": 0.9}},
+    {{"type": "technical", "content": "Использует Python и Docker", "confidence": 0.8}},
+    {{"type": "project", "content": "Проект telegram-cli-bot в ~/git/", "confidence": 0.7}}
+  ]
+}}
+
+Если фактов нет — верни {{"facts": []}}
+Не выдумывай факты. Только то, что явно указано в диалоге.
+"""
+        
+        try:
+            # Импортируем qwen_manager
+            from qwen_integration import qwen_manager
+            
+            output_buffer = []
+            def on_output(text):
+                output_buffer.append(text)
+            
+            # Выполняем задачу
+            await qwen_manager.run_task(user_id, prompt, on_output, lambda x: None)
+            
+            result = "".join(output_buffer).strip()
+            
+            # Парсим JSON из ответа
+            json_match = re.search(r'\{.*\}', result, re.DOTALL)
+            if not json_match:
+                logger.warning(f"Не найден JSON в ответе ИИ: {result[:200]}")
+                return []
+            
+            data = json.loads(json_match.group(0))
+            facts_data = data.get("facts", [])
+            
+            if not facts_data:
+                logger.info(f"ИИ не нашёл фактов для пользователя {user_id}")
+                return []
+            
+            # Сохраняем факты
+            extracted = []
+            for fact_item in facts_data:
+                fact_type_str = fact_item.get("type", "other").lower()
+                
+                # Маппинг типов
+                type_mapping = {
+                    "personal": FactType.PERSONAL,
+                    "technical": FactType.TECHNICAL,
+                    "project": FactType.PROJECT,
+                    "preference": FactType.PREFERENCE,
+                    "other": FactType.OTHER
+                }
+                fact_type = type_mapping.get(fact_type_str, FactType.OTHER)
+                
+                content = fact_item.get("content", "").strip()
+                confidence = float(fact_item.get("confidence", 0.5))
+                
+                if content and len(content) > 5:  # Пропускаем слишком короткие
+                    fact = Fact(
+                        id=None,
+                        user_id=user_id,
+                        fact_type=fact_type,
+                        content=content,
+                        source_message=dialog_context[:500],  # Первые 500 символов
+                        confidence=confidence
+                    )
+                    self.sqlite.save_fact(fact)
+                    extracted.append(fact)
+            
+            logger.info(f"Извлечено {len(extracted)} фактов (ИИ) для пользователя {user_id}")
+            return extracted
+            
+        except Exception as e:
+            logger.error(f"Ошибка извлечения фактов через ИИ: {e}")
+            return []
 
     def format_context_for_ai(self, user_id: int, query: str = None) -> str:
         """Сформировать контекст для передачи ИИ."""