feat: AI聊天室多Agent协作讨论平台

- 实现Agent管理，支持AI辅助生成系统提示词
- 支持多个AI提供商（OpenRouter、智谱、MiniMax等）
- 实现聊天室和讨论引擎
- WebSocket实时消息推送
- 前端使用React + Ant Design
- 后端使用FastAPI + MongoDB

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

backend/models/agent_memory.py

@@ -0,0 +1,123 @@
+"""
+Agent记忆数据模型
+定义Agent的记忆存储结构
+"""
+from datetime import datetime
+from typing import Optional, List
+from enum import Enum
+from pydantic import Field
+from beanie import Document
+
+
+class MemoryType(str, Enum):
+    """记忆类型枚举"""
+    SHORT_TERM = "short_term"   # 短期记忆（会话内）
+    LONG_TERM = "long_term"     # 长期记忆（跨会话）
+    EPISODIC = "episodic"       # 情景记忆（特定事件）
+    SEMANTIC = "semantic"       # 语义记忆（知识性）
+
+
+class AgentMemory(Document):
+    """
+    Agent记忆文档模型
+    存储Agent的记忆内容
+    """
+    memory_id: str = Field(..., description="唯一标识")
+    agent_id: str = Field(..., description="Agent ID")
+    
+    # 记忆内容
+    memory_type: str = Field(
+        default=MemoryType.SHORT_TERM.value, 
+        description="记忆类型"
+    )
+    content: str = Field(..., description="记忆内容")
+    summary: str = Field(default="", description="内容摘要")
+    
+    # 向量嵌入（用于相似度检索）
+    embedding: List[float] = Field(default_factory=list, description="向量嵌入")
+    
+    # 元数据
+    importance: float = Field(default=0.5, ge=0, le=1, description="重要性评分")
+    access_count: int = Field(default=0, description="访问次数")
+    
+    # 关联信息
+    source_room_id: Optional[str] = Field(default=None, description="来源聊天室ID")
+    source_discussion_id: Optional[str] = Field(default=None, description="来源讨论ID")
+    related_agents: List[str] = Field(default_factory=list, description="相关Agent列表")
+    tags: List[str] = Field(default_factory=list, description="标签")
+    
+    # 时间戳
+    created_at: datetime = Field(default_factory=datetime.utcnow)
+    last_accessed: datetime = Field(default_factory=datetime.utcnow)
+    expires_at: Optional[datetime] = Field(default=None, description="过期时间")
+    
+    class Settings:
+        name = "agent_memories"
+        indexes = [
+            [("agent_id", 1)],
+            [("memory_type", 1)],
+            [("importance", -1)],
+            [("last_accessed", -1)],
+        ]
+    
+    def access(self) -> None:
+        """
+        记录访问，更新访问计数和时间
+        """
+        self.access_count += 1
+        self.last_accessed = datetime.utcnow()
+    
+    def is_expired(self) -> bool:
+        """
+        检查记忆是否已过期
+        
+        Returns:
+            是否过期
+        """
+        if self.expires_at is None:
+            return False
+        return datetime.utcnow() > self.expires_at
+    
+    def calculate_relevance_score(
+        self,
+        similarity: float,
+        time_decay_factor: float = 0.1
+    ) -> float:
+        """
+        计算综合相关性分数
+        结合向量相似度、重要性和时间衰减
+        
+        Args:
+            similarity: 向量相似度 (0-1)
+            time_decay_factor: 时间衰减因子
+            
+        Returns:
+            综合相关性分数
+        """
+        # 计算时间衰减
+        hours_since_access = (datetime.utcnow() - self.last_accessed).total_seconds() / 3600
+        time_decay = 1.0 / (1.0 + time_decay_factor * hours_since_access)
+        
+        # 综合评分
+        score = (
+            0.5 * similarity +
+            0.3 * self.importance +
+            0.2 * time_decay
+        )
+        
+        return min(1.0, max(0.0, score))
+    
+    class Config:
+        json_schema_extra = {
+            "example": {
+                "memory_id": "mem-001",
+                "agent_id": "product-manager",
+                "memory_type": "long_term",
+                "content": "在登录系统设计讨论中，团队决定采用OAuth2.0方案",
+                "summary": "登录系统采用OAuth2.0",
+                "importance": 0.8,
+                "access_count": 5,
+                "source_room_id": "product-design-room",
+                "tags": ["登录", "OAuth", "认证"]
+            }
+        }