feat: Proactive Agent - 主动记忆 + 主动建议 + 主动中心

.env.memory.example

@@ -0,0 +1,14 @@
+# Proma Proactive Memory LLM 配置
+# 请填入你自己的 LLM key（仅存本机，.env 已被 .gitignore 排除，不会提交）
+# 支持 OpenAI 兼容端点：OpenAI / DeepSeek / 腾讯云 LKE / 其他
+
+MEMORY_LLM_API_KEY=在此填入你的key
+MEMORY_LLM_BASE_URL=https://api.deepseek.com/v1
+MEMORY_LLM_MODEL=deepseek-chat
+
+# 可选：语义召回（hybrid 检索，解决"我是谁"类语义问句）
+# local = 本地 node-llama-cpp + embeddinggemma-300m（离线，模型需先下载到 ~/.node-llama-cpp/models/）
+# api = OpenAI 兼容 embedding API（同时设置 MEMORY_EMBEDDING_MODEL）
+# 默认不设置 = 仅关键词召回（零额外依赖，fail-open）
+# PROMA_MEMORY_EMBEDDING=local
+# MEMORY_EMBEDDING_MODEL=text-embedding-3-small

CLAUDE.md

@@ -188,6 +188,24 @@ bun run generate:icons    # 生成应用图标
 |------|------|
 | `feishu-bridge.ts` | 飞书集成（68KB）：消息同步、任务通知、OAuth 认证 |
 
+#### Proactive Agent 服务层（主动记忆 + 主动建议）
+
+| 服务 | 职责 |
+|------|------|
+| `memory/store.ts` | L1 atoms 持久化（JSONL 按天）+ L3 persona + corrections + 场景（`scenes/`）+ 统计 |
+| `memory/recall.ts` | 召回引擎：keyword BM25 + 时间衰减（correction/sop 稳定、event 14 天、其余 30 天）+ 误报控制（单字弱命中降权 + 停用词） |
+| `memory/extractor.ts` | LLM 提取（OpenAI 兼容端点，reasoning 模型兼容）；类型 fact/preference/correction/sop/todo_context/event |
+| `memory/persona.ts` | L3 用户画像：LLM 生成/增量更新 + 规则版兜底 + `(src: atom_xxx)` 溯源 |
+| `memory/scene.ts` | L2 场景聚合：主题聚类 + 热度（atom 数 × 时间衰减 × 高频忽略抑制） |
+| `memory/service.ts` | 编排：capture/recall/persona/corrections/场景对外 API |
+| `suggest/engine.ts` | 建议决策：5 类规则 + 置信度阈值 + 预算（单次≤1、同会话≤2） |
+| `suggest/feedback.ts` | 频率学习 + 免打扰时段（DND，跨午夜） + 高频忽略抑制列表 |
+| `suggest/analyst.ts` | 工作模式分析器：LLM 低频分析记忆 + 场景，schema 严格校验（只产出候选） |
+| `suggest/service.ts` | 编排：会话钩子 + IPC + 候选池分组（pred@k） |
+| `memory/memory-agent-tools.ts` | Claude runtime 内置 MCP 工具（memory_search/capture/...） |
+
+> 入口索引：设计见 `docs/proactive-memory-design.md` / `docs/proactive-suggestion-design.md`；评测脚本 `scripts/bench-recall.ts`（口径见 `docs/proactive-memory-bench.md`）；关键踩坑见工作区 auto memory（归一化放大、停用词取舍）。
+
 #### 工具与文件
 
 | 服务 | 职责 |

PR_DESCRIPTION.md

@@ -0,0 +1,97 @@
+## Proactive Agent: 主动记忆 + 主动建议 + 主动中心
+
+为 Proma 增加完整的 **Proactive Agent** 能力集——让 Agent 从"被动等用户发起"进化到"记得住、会建议、越用越好用"。
+
+完整公式：**主动记忆（记得住）+ 主动建议（对的时候提对的建议）+ 反馈闭环（越用越好用）**
+
+### 解决什么问题
+
+Proma 现有的 Auto Memory 依赖 Agent 在 prompt 引导下自觉维护，且 Agent 只能"被动回答"，缺少三个关键能力：
+
+1. **主动记忆**：会话结束自动提取结构化长期记忆，跨会话自动召回
+2. **主动建议**：Agent 使用过程中识别值得建议的时机，主动提出轻量、可解释、可反馈的建议
+3. **工作模式发现**：低频 LLM 分析，发现用户从未明说但反复出现的隐含工作模式
+
+参考 ProactiveAgent（ICLR 2025）的核心发现：所有模型 Recall 98%+ 但误报率 51-65%，**"该沉默时沉默"也是能力**——主动性 = 用户接受率，不是建议次数。本实现全程贯彻误报控制。
+
+---
+
+### 能力一：主动记忆（Proactive Memory）
+
+| 能力 | 说明 |
+|---|---|
+| **L1 原子记忆** | 会话结束钩子自动 LLM 提取（fact / preference / correction / sop / todo_context），fingerprint 去重 |
+| **混合召回** | keyword 精确 + LLM 查询改写 + embedding 语义 + 规则加权，多源融合 + 绝对分阈值 |
+| **误报控制** | 归一化评分阈值 + 停用词过滤 + 同义词扩展 + 回忆意图降级 |
+| **L3 Persona** | LLM 生成/增量更新用户画像，Markdown 白盒可审计 |
+| **反馈回流** | 确认/拒绝纠正后自动更新 Persona 交互协议 |
+| **内置 MCP 工具** | `memory_search/capture/stats/corrections/confirm/reject`（Claude + Pi 双 runtime） |
+| **UI 看板** | 记忆统计、纠正审批、记忆搜索、persona 预览（Agent 能力中心 → 记忆 Tab） |
+| **memory-daily Skill** | 指导每日记忆整理 + 建议创建 daily automation |
+
+### 能力二：主动建议（Proactive Suggestion）
+
+| 能力 | 说明 |
+|---|---|
+| **5 类确定性规则** | correction（记住纠正）/ followup（跟进提醒）/ automation（定时任务）/ skill（SOP 沉淀）/ todo（待办记录） |
+| **信号提取** | 纠正词 / 时间词 / 周期词 / 未完成词 / 重复意图 + 延后语义/弱意图过滤 |
+| **误报控制** | 明确拒绝门 + 频率门槛（raw×weight≥0.6）+ 预算（单次≤1、同会话≤2）+ duplicateKey 去重 |
+| **频率学习** | accepted×1.2 / ignored×0.8 / never 屏蔽 + 连续忽略 3 次自动静默（"越用越好用"） |
+| **会话内横幅** | `SuggestionBanner`：Agent 输入框上方三态卡片（接受/忽略/不再建议这类） |
+| **实时推送** | 新建议生成后 IPC 事件广播，当前会话立即显示 |
+
+### 能力三：主动中心 + 工作模式分析（Phase B）
+
+| 能力 | 说明 |
+|---|---|
+| **Proactive Today** | PlanningView「主动」tab：建议卡 / 主动任务 / 待确认审批 / 用户画像 / 统计 |
+| **工作模式分析器** | 低频 LLM 分析近期记忆，发现隐含模式（周期任务 / SOP / 待固化偏好） |
+| **schema 严格校验** | LLM 只能产出候选（类型白名单/字段完整/动作匹配），不能直接创建任务 |
+| **suggestion_analyze 工具** | Pi/Claude 双 runtime 内置工具，定时任务可调 |
+| **suggestion-daily Skill** | 指导建立每日工作模式分析 automation |
+
+---
+
+### 质量保障（子代理驱动验证）
+
+召回与建议系统经 **5 轮 collaboration 子代理独立审查/体验**迭代打磨：
+
+| 轮次 | 发现 | 结果 |
+|---|---|---|
+| 记忆召回 3 轮审查 | kw 硬截断丢正确答案 / 归一化放大弱命中 / 无关注入 | 多源融合 + 绝对分阈值 + 无关 gate，12 问矩阵 12/12 |
+| 建议引擎审查 | 8 个边界误报 + todo 死锁 + 测试污染 | 全部修复，42+9 单测 |
+| **UI 实测** | **P0**：SDKMessage 格式不匹配，引擎从不执行 | sdk-messages.ts 修复 |
+| 401 实测 | dev 模式 .env 路径缺口 | findDotEnvUpwards 修复 |
+| **体验评测** | **P0**：规则语义反转 / 两步确认 / 横幅不实时 | 3 项全修 |
+
+子代理独立实测发现了自测盲区（"功能看似正常但真实链路从不执行"），这是代码审查和单测发现不了的。
+
+### 验证
+
+- 全量 typecheck 6 包全绿
+- 全量测试 640+ pass / 4 fail（4 fail 为既有 Electron/planning 环境问题，与本次无关；新增 120+ 测试）
+- 真实 LLM 端到端：提取/召回/persona/建议/分析全部真实验证
+- 真实 UI 实测（CDP 连接真实窗口）：横幅渲染、三态交互、主动中心、分析按钮全部通过
+- 真实记忆工作模式分析：92 条记忆 → 发现「ShopGo 促销前压测提醒」（automation）
+- 401 修复：DeepSeek 渠道预设自动填充 .env 凭证，开箱即用
+
+### 文件概览（74 个文件，+9208 行）
+
+- `packages/shared/src/types/memory.ts` + `suggestion.ts`：类型
+- `apps/electron/src/main/lib/memory/`：store / recall / extractor / persona / service + 测试
+- `apps/electron/src/main/lib/suggest/`：signals / rules / engine / feedback / service / analyst / sdk-messages + 测试
+- `apps/electron/src/main/lib/agent-orchestrator.ts`：会话结束记忆捕获 + 建议评估钩子
+- `apps/electron/src/main/lib/channel-manager.ts`：DeepSeek 预设渠道自动填充 .env 凭证
+- `agent-prompt-builder.ts`：`<memory_context>` + `<persona_profile>` + `<working_memory>` 注入
+- `builtin-mcp`：memory / suggestion 内置 MCP 注册（Claude + Pi）
+- `ProactiveMemoryPanel.tsx` + `ProactiveTodayView.tsx` + `SuggestionBanner.tsx`：UI
+- `default-skills/memory-daily/` + `suggestion-daily/`：内置 Skill
+- `docs/proactive-memory-design.md` + `proactive-suggestion-design.md`：设计文档
+- `scripts/`：smoke / verify / demo / stress 脚本
+
+### 设计文档
+
+- `docs/proactive-memory-design.md`：记忆系统（架构/分层/模块/接线/验证）
+- `docs/proactive-suggestion-design.md`：建议系统 + 主动中心 + 分析器
+
+Made with [Proma](https://proma.cool) · [GitHub](https://github.com/proma-ai/Proma)

apps/electron/default-skills/memory-daily/SKILL.md

@@ -0,0 +1,75 @@
+---
+name: memory-daily
+description: Proma 主动记忆的每日整理 Skill。当用户要求"每天整理我的记忆/会话""定期沉淀长期记忆""开启每日记忆整理""memory-daily"、"把今天的对话变成记忆"、或希望 Proactive Memory 自动持续运行时触发。也适合"以后记得帮我整理"“每天晚上总结今天聊了什么”等定期沉淀意图。本 Skill 指导 Agent 用内置 memory 工具整理当天记忆，并建议用户开启 Proma 定时任务（Automation）让整理无人值守地每天运行。纯一次性整理、不需要定期执行时不建议创建定时任务，直接整理即可。
+group: proma
+version: "1.0.0"
+---
+
+# Memory Daily
+
+帮助用户把当天的对话/工作沉淀为长期记忆，并可开启每日自动整理。
+
+## 背景
+
+Proma 内置了 Proactive Memory（主动记忆）能力：
+- **自动捕获**：Agent 会话结束后自动从对话提取 L1 原子记忆（fact / preference / correction / sop / todo_context）
+- **主动回忆**：新会话时自动召回相关记忆注入 `<memory_context>`；persona（用户画像）稳定注入系统提示
+- **记忆工具**：`mcp__memory__memory_search` / `memory_capture` / `memory_stats` / `memory_corrections` 等
+
+memory-daily 是"定期深度整理"：把当天多个会话产生的记忆做一次汇总、去重、生成 persona 更新，确保长期记忆质量。
+
+## 工作流
+
+### 1. 判断用户意图
+
+- 用户说"每天/定期整理记忆" → 整理 + 建议创建每日定时任务
+- 用户只说"现在整理一下记忆" → 只整理一次，不创建定时任务
+- 用户说"以后记得帮我整理" → 整理 + 建议创建定时任务
+
+### 2. 整理当天记忆
+
+用内置 memory 工具完成：
+
+1. `mcp__memory__memory_stats` → 查看当前记忆统计
+2. `mcp__memory__memory_corrections` → 列出待确认纠正（如有 pending，提示用户确认/拒绝）
+3. 检查记忆质量：
+   - 是否有明显重复条目（可向用户确认后由用户决定是否清理）
+   - 是否有过时/冲突信息（报告给用户）
+   - 待确认纠正是否积压（引导用户处理）
+4. 输出整理报告：
+   ```
+   今日记忆整理报告
+   - 记忆总量: N 条 (fact X / preference Y / correction Z / sop W)
+   - 待确认纠正: M 条
+   - 用户画像: 已更新/待更新
+   - 建议: ...
+   ```
+
+### 3. 开启每日自动整理（可选）
+
+如果用户希望每天自动整理，使用 `automation` 工具创建定时任务：
+
+```
+mcp__automation__create_automation
+  name: 每日记忆整理
+  prompt: 运行 memory-daily，整理今天的对话与记忆，报告新增记忆与待确认纠正。
+  scheduleType: daily
+  timeOfDay: "23:30"
+  active: true
+```
+
+创建前先 `mcp__automation__list_automations` 检查是否已有同类任务（避免重复）。
+
+### 4. 质量与安全
+
+- 只整理记忆库中已有内容，不要凭记忆编造当天对话
+- 不要删除用户记忆（清理需用户确认）
+- 待确认纠正必须由用户确认后才生效（`memory_confirm_correction`）
+- 定时任务会无人值守运行，写入行为默认受限；涉及删除/大改需用户主会话确认
+
+## 完成定义
+
+- [ ] 已查看记忆统计与待确认纠正
+- [ ] 输出今日整理报告
+- [ ] （如用户要求）已创建/确认每日定时任务
+- [ ] 报告了任何质量问题和用户待办事项

apps/electron/default-skills/suggestion-daily/SKILL.md

@@ -0,0 +1,59 @@
+---
+name: suggestion-daily
+description: Proma 主动建议的工作模式分析 Skill。当用户要求"分析我的工作模式""发现可以自动化的习惯""帮我看看有什么值得沉淀的流程""定期生成建议""suggestion-daily"、或希望 Proma 主动发现周期任务/SOP/可自动化工作时触发。本 Skill 指导 Agent 用 suggestion_analyze 工具分析近期记忆，发现规则引擎发现不了的隐含工作模式，并建议用户开启每日定时分析。纯手动分析一次、不需要定期执行时不建议创建定时任务。
+group: proma
+version: "1.0.0"
+---
+
+# Suggestion Daily
+
+帮助用户发现"隐含的工作模式"——那些用户没有明确说"每天/定期"，但记忆里反复出现的周期性工作、可沉淀流程、待固化偏好。
+
+## 背景
+
+Proma 的主动建议有两层：
+1. **规则引擎**（实时）：用户明确说"以后不要 X / 明天继续 / 每天自动" → 立即建议
+2. **工作模式分析器**（低频）：用 LLM 分析近期记忆，发现**隐含模式**（用户从没明说，但记忆显示反复出现）→ 生成建议候选
+
+本 Skill 对应第 2 层，让"主动建议"从"等你开口"进化到"替你发现"。
+
+## 工作流
+
+### 1. 判断用户意图
+
+- 用户说"每天/定期分析我的工作模式" → 分析 + 建议创建每日定时任务
+- 用户只说"现在分析一下" → 分析一次，不创建定时任务
+- 用户说"以后记得帮我分析" → 分析 + 建议创建定时任务
+
+### 2. 运行工作模式分析
+
+调用内置工具：
+
+1. `mcp__memory__suggestion_analyze`（Pi runtime）/ `suggestion_analyze`（Claude runtime）→ 运行 LLM 分析，生成建议候选
+2. 工具返回 `added` 数量（新增建议条数）
+3. 如果 `added = 0`：说明近期记忆没有足够的重复模式，告知用户"暂未发现新的可沉淀模式"（这是正常现象，不建议频繁分析）
+
+### 3. 引导用户处理建议
+
+分析结果会出现在：
+- **主动中心**（⌘⇧T → 主动 tab）的"Proma 建议"模块
+- 用户可对每条建议执行：接受（写入/生效）/ 忽略（降频）/ 不再建议这类（屏蔽）
+
+### 4. 建议创建每日定时任务
+
+如果用户希望持续发现工作模式，建议创建 Automation：
+
+```text
+任务名：工作模式分析
+调度：每天 23:30（或用户偏好的时间）
+提示词：运行 suggestion-daily Skill：分析我的工作模式，生成主动建议候选。
+```
+
+创建后 Proma 会每天自动分析记忆、发现新的可自动化/可沉淀模式，进入主动中心供用户决定。
+
+## 注意事项
+
+- **低频优先**：工作模式分析是"低频高价值"能力，不建议比每天更频繁（LLM 调用有成本）
+- **只读记忆**：分析器只读取记忆摘要，不修改任何记忆；用户接受建议后才写入
+- **保守产出**：分析器 schema 严格校验，只保留有证据的模式；产出为空是正常的
+- 分析结果不会自动创建定时任务/Skill——所有动作都需用户在主动中心确认