docs: 添加 SPEC.md 规格文档

SPEC.md

@@ -0,0 +1,143 @@
+# 上下文门控器 - SPEC.md
+
+## 1. 项目概述
+
+**项目名称:** context-gatekeeper  
+**功能:** 轻量级上下文选择器，在同一会话中自动从历史对话里选出最小且相关的片段，减少话题污染和控制上下文长度。  
+**约束:** 纯 Python，无额外模型依赖，2 核 2G 可运行。
+
+---
+
+## 2. 核心架构
+
+### 四步流程
+
+```
+用户输入 → 锚点提取 → 话题门控 → 稀疏召回 → 最小覆盖选择 → 组装 Prompt
+```
+
+### 数据结构
+
+```python
+Block:
+  - user_text: str          # 用户消息
+  - assistant_text: str     # 助手回复
+  - tokens_user: int        # 用户消息 token 数（估算）
+  - tokens_assistant: int   # 助手消息 token 数（估算）
+  - anchors: list[str]      # 锚点列表（2-gram/3-gram）
+  - turn_id: int            # 对话轮次
+```
+
+---
+
+## 3. 功能模块
+
+### 3.1 锚点提取 (Anchor Extraction)
+
+- 中文: 2-gram / 3-gram 连续字符串
+- 英文: 单词
+- 代码标识符、版本号、引号短语、反引号内代码
+- 计算 IDF 权重，高频通用词自动降权
+
+### 3.2 话题门控 (Topic Gate)
+
+输入: 当前 query 锚点集合 + 活跃话题锚点集合
+输出: `continue` | `switch`
+
+规则:
+- `overlap > 0.45`: 继续当前话题
+- `overlap < 0.20` 且 `new_ratio > 0.70`: 切换新话题
+- 有指代词（这个/那个/它/上面/刚才/继续/展开）→ 强暗示继续
+
+### 3.3 稀疏召回 (Sparse Retrieval)
+
+评分函数:
+```
+score(block, query) = 1.5 * lex(user_text, query)
+                    + 0.7 * lex(assistant_text, query)
+                    + 1.0 * exact_match(query, block)
+                    + 0.2 * recency
+```
+
+- `lex`: BM25/IDF overlap，简单实现
+- `exact_match`: 英文术语、代码标识符、数字版本号、引号短语完整命中加分
+- `recency`: 弱先验，仅做微调
+
+候选集: top 20 blocks
+
+### 3.4 最小覆盖选择 (Minimum Coverage Selection)
+
+贪心算法:
+```
+每步选"单位长度收益最大"的 block:
+gain = covered_anchor_idf / cost^alpha
+
+停止条件:
+- 覆盖率达到 85% (η=0.85)
+- 或达到 token 预算上限
+```
+
+### 3.5 句级裁剪 (Intra-Block Trimming)
+
+选中 block 后，进一步裁剪：
+- 保留覆盖了 query anchors 的句子
+- 保留 exact match 的句子
+- 连带保留对应用户问题句
+
+### 3.6 常量区 (Stable Constraints)
+
+维护一个小的稳定约束区：
+- 用户显式声明的长期偏好
+- 输出语言、风格、禁用项
+
+不是记忆系统，只是一个固定 KV。
+
+---
+
+## 4. 对外接口
+
+```python
+class ContextGatekeeper:
+    def __init__(self, token_budget: int = 4000)
+    
+    def add_turn(self, user_text: str, assistant_text: str) -> None
+        """添加一轮对话到历史"""
+    
+    def select(self, query: str) -> list[dict]:
+        """为当前 query 选择上下文 blocks"""
+        # 返回: [{"user": ..., "assistant": ..., "turn_id": ...}, ...]
+    
+    def set_constraint(self, key: str, value: str) -> None
+        """设置稳定约束"""
+    
+    def get_constraints(self) -> dict:
+        """获取当前所有约束"""
+```
+
+---
+
+## 5. 测试验证
+
+使用 MiniMax API 做一个端到端对话测试：
+- 模拟多轮对话（至少 3 轮，其中包含话题切换）
+- 验证：
+  1. 同一话题内，后续问题能召回前面对话
+  2. 切换话题后，旧话题内容不会被召回
+  3. 有指代词时，强制继承最近 1-2 个 block
+  4. token 预算控制正常
+
+.env 文件格式:
+```
+MINIMAX_API_KEY=你的key
+```
+
+---
+
+## 6. 验收标准
+
+- [ ] 纯 Python，无第三方模型依赖
+- [ ] 可在 2 核 2G 环境运行
+- [ ] 单元测试覆盖核心模块
+- [ ] 端到端对话测试通过
+- [ ] .env 正确 gitignore
+- [ ] 代码上传 Gitea 仓库