未来规划

当前能力：L3 → L2 再蒸馏

手动再蒸馏（POST /v1/mems/redistill 或 python -m mems.redistill）是当前 能力而非未来项：用当前 OPENAI_MODEL 重蒸归档 JSONL，按内容指纹 + 模型去重， 并通过 L2 版本链升级。

规划中：L1 删除策略

目前 Mems 从不删除 L1 行——生命周期只有归档（标记 is_archived）。若未来引入 在线 L1 删除，必须与再蒸馏闭环保持兼容：

• 只允许删除已归档 L1：只删除 is_archived=True 的记录，或删除前先归档， 保证 L3 始终留有可再蒸馏的副本。归档前删除会不可逆地丢失记忆、切断闭环。
• 级联清理 Qdrant：删除 L1 行时须同步删除向量副本（delete_points）， 避免孤儿向量浪费存储并产生失效候选。
• L2 证据重定向：指向已删除 L1 的 source_l1_ids 会成为悬空引用； 再蒸馏进度表已记录 l3_path/l3_line 兜底证据指针，L1 缺失时新的 L2 溯源应 优先使用 L3 指针。

其他想法

• 分布式蒸馏锁（Redis SETNX），避免多副本部署并发重蒸同一批次。
• /status 增加 L0 输出管道消费指标（XLEN / 消费组 lag）。
• 召回分数分解（explain），便于调优混合排序。