# services/memory_service.py
from langchain_google_genai import GoogleGenerativeAIEmbeddings

# 假设你使用的是 pgvector
async def search_memories(query: str, db_connection):
    """
    1. 将 query 转化为 Embedding
    2. 在数据库中执行向量相似度搜索
    3. 返回最相关的 Top-K 条记忆
    """
    # 模拟实现
    embeddings = GoogleGenerativeAIEmbeddings(model="models/embedding-001")
    query_vector = await embeddings.aembed_query(query)
    
    # 这里执行 SQL: SELECT content FROM memories ORDER BY embedding <=> query_vector LIMIT 3
    results = "用户此前提到过他在做 Gemini 相关的 Hackathon，倾向于使用 Python。"
    return results

async def save_to_memory(content: str, db_connection):
    """
    这个函数由你的 '保存' 按钮触发。
    """
    # 1. 提取 content 中的关键信息（可选，可以用 LLM 提取）
    # 2. 生成 Embedding 并存入数据库
    pass