Mneme 视觉记忆

要解决什么问题

本地照片、视频和素材库往往只有文件夹结构，很难用自然语言找到「某次拍摄的成片」「带某类画面的片段」或「和这张图长得像的文件」。若同时在跑 Ollama 视觉模型、转码或放大，显存还容易被常驻模型占满，导致后续任务失败。

技能如何工作

本技能围绕 Visual Memory（视觉记忆），在用户明确要持久入库时才把媒体写入索引；用户仅上传附件提问时，优先把附件当作会话内临时上下文，用本地路径回答或做相似度检索，不会擅自调用 media_index。

典型分工如下：

• media_index：指向尚未索引的文件夹时，建立本地媒体索引。
• media_search：自然语言检索成片、缩略图、归档图、片段等。
• media_search_by_image：以一张图为查询，找视觉相似条目。
• media_describe：说明指定媒体文件里有什么内容。

在需要本地 GPU 的重任务（视频协作、图像生成、放大、VLM 打标等）前，可用 gpu_status 查看状态；用 gpu_release 卸载常驻 Ollama 模型并借出显存，任务结束后用 gpu_reclaim 凭 token 收回；仅当用户要求立即释放 VRAM、且不建立租约时，才用 gpu_evacuate。

检索结果以 Mneme 的 media_artifacts.v1 中性 JSON 返回；宿主支持富输出时，应优先展示可预览的图/视频/音频卡片（含 title、kind、path、reason、时间信息），路径放在复制等操作之后，避免把长绝对路径堆在正文里。工具无匹配时不要编造结果。

适用边界与注意点

• 默认不上传本地媒体到云端，除非用户明确要求另做上传。
• 富输出不可用时，再用简洁 Markdown 链接或紧凑表格呈现路径。
• 保持宿主原有 UI 风格，不要自行加品牌色、渐变或自定义卡片样式（除非宿主已提供）。