Feature Request: 引入 PAI 架构，实现 Alma 个人记忆系统的精细化管理

背景与动机
目前的 Alma 在碎片化记忆存储和检索上已有基础，但由于缺乏结构化引导，AI 对用户的认知仍处于“失忆的陌生人”或“简单的模糊匹配”阶段。参考 Personal AI Infrastructure (PAI) 的理念，建议将 Alma 的记忆能力从“工具层”提升为“个人基础设施层”。

核心建议功能：

1. 引入 TELOS 数字身份档案

建立 10 个维度的核心配置文件（如 00-identity.md, 01-values.md, 05-goals.md 等），作为 Alma 思考的最顶层 Context。

• 作用：让 Alma 明确“我是谁”、“我的价值观”以及“我目前在做什么”，而非仅仅依赖历史对话的向量检索。

2. 三层记忆架构演进

将现有的单层记忆存储细化为：

• 工作记忆 (Working Memory)：当前对话的即时上下文。

• 情景记忆 (Episodic Memory)：特定项目、任务的历史记录（目前 Alma 的基础）。

• 语义记忆 (Semantic Memory)：重点新增内容。通过 AI 自动从对话中提炼出的用户偏好、思维模式和知识共识（例如：“用户更偏好函数式编程”）。

3. 记忆的动态维护与更新机制

• 自动结晶：当检测到重要决策或习惯时，Alma 主动询问或自动更新相关的 TELOS 文件。

• 版本控制：利用 Markdown 和 Git 思路管理记忆，允许用户手动修正 AI 形成的“错觉”或陈旧认知。

4. 环境感知 Hooks (可选集成)

• 允许 Alma 挂载钩子脚本（如同步 Git 状态、Obsidian 笔记标题），在对话前自动注入当前物理/数字环境的快照。

预期效果

通过该系统，Alma 将不再是一个“博学的陌生人”，而是一个能随用户共同成长的“数字孪生”伙伴，实现从被动应答到主动理解的转变。