对我的这个云端记忆，做了2个自己用起来不爽的优化
第一个是之前为了强行加载mcp记忆，我让每轮对话第一次都去访问echome_search方法
结果就是，笨一点的模型，根本就不记得去访问，触发不了的呆头鹅
聪明一点的模型codex，这种会去访问，但是读得太过细了，感觉会被一些提示词带偏，而且比较消耗token？感觉上
那么就要求，我们的记忆提示词，必须是有效的，有收益的，而不是使绊子。
另外，我感觉每轮对话，都塞了这么多重复的上下文给agent，会不会把他塞成智障，所以我决定优化一下，在合适的时机去触发记忆搜索，我相信好的模型应该是能做到的，笨的我也不管了，或者人工去提示。
另外一个问题，就是我的echome_search服务还是太原始了，还有个top-k参数，导致ai经常只问了前5个记忆，如果记忆排序不好，永远是相同的5个，我真是服了这些撞钟的ai，随便搜搜当完成任务了。解决方法就是，每次先搜记忆的summary，然后从summary里，让ai挑出他认为有价值进行二次搜索。
先更新上去了，再体验一段时间