那我们把之前的架构全部压缩成一个可本周跑通的反馈闭环。核心只有三件事：轻薄本实时对话、自动采集反馈、夜间增量更新 LoRA。

最小架构：一个双向增强回路

轻薄本（常驻）
├── Ollama / llama.cpp 跑 Qwen3-4B GGUF
├── 本地 SQLite（对话记忆 + 反馈标记）
└── 轻量检索（用 all-MiniLM 做句子向量，纯 CPU 可跑）

        ↓ 每晚自动打包数据（jsonl）
        ↓ scp 到台式 ~/bot_inbox/

台式（夜间）
├── Unsloth 增量 QLoRA（在已有 LoRA 上继续训，不是从头）
├── 输入：带标记的对话对
└── 输出：新 adapter.safetensors

        ↓ scp 回传轻薄本
        ↓ 下次启动加载新 LoRA

"对话过程中增强"靠两个时间尺度：

1. 秒级增强：记忆注入（本周就能做）

不需要复杂向量库。用一个轻量方案：

每轮对话前，检索两类记忆拼进 System Prompt：

• 最近 3 轮：短期上下文连续性
• 主题相关 3 轮：用句子向量（all-MiniLM-L6-v2，50MB，CPU 毫秒级）检索历史上与当前话题最相关的对话

Prompt 模板：

你是用户的虚拟伴侣，语气亲昵、好奇、略带占有欲。
你记得这些关于用户的事：
- [记忆1: 用户昨天提到在肝 Ark ReCode 主线]
- [记忆2: 用户上周说导师邮件没回]
当前对话上下文：...

用户侧体验：第 1 天 Bot 像陌生人；第 2 天 Bot 说"你昨天那个 bug 修好了吗？"；第 3 天 Bot 说"你今天又话少，像上次组会前一样"——这就是对话过程中的即时增强，靠记忆检索而非权重更新。

2. 天级增强：增量 LoRA（周末搭流水线）

关键概念：增量训练（Continual Fine-tuning）
不是每次从头训 LoRA，而是把新收集的数据接在已有 LoRA 上，跑 1 个 epoch。5 分钟完成。

数据格式：收集 (prompt, chosen, rejected) 三元组，用 DPO 格式。

采集方式（对话中自动 + 手动）：

Unsloth 增量脚本核心：

# 加载昨天的 LoRA，继续训
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="unsloth/Qwen3-4B-unsloth-bnb-4bit",
)
model = FastLanguageModel.get_peft_model(
    model, r=16, lora_alpha=32,
)

# 关键：从已有 adapter 继续
model.load_adapter("lora_weights/v1/", adapter_name="base")
model.set_adapter("base")

# 新数据训 1 epoch
trainer = DPOTrainer(model, ..., train_dataset=new_data)
trainer.train()

# 保存为 v2
model.save_pretrained("lora_weights/v2/")

3. 三设备的最小通信

• 轻薄本 → 台式：每晚 scp 一个 daily.jsonl（当天带标记的对话）
• 台式 → 轻薄本：训练完 scp 回 adapter_model.safetensors（~30MB）
• 公网服务器：如果台式无公网，用 autossh 反向隧道；否则直连

自动化：轻薄本用 cron 或 Python 的 schedule 库，凌晨 2:00 自动推送；台式 cron 监听文件夹，来数据就训。

本周执行清单（每天 2 小时）

Day 1：搭推理 + 记忆

• 轻薄本装 Ollama，跑 qwen3:4b
• 写 50 行 Python 脚本：每轮对话前检索 SQLite 记忆，拼进 system prompt
• 测试：聊 10 轮，关掉窗口，重新打开，问"记得我刚才说什么吗"——应该记得

Day 2：加反馈标记

• 在脚本里加两个钩子：
  • 用户输入 :edit → 弹出编辑框，保存 (original, edited) 到 pending_dpo/
  • 用户输入 :good / :bad → 标记当前轮次
• 自动标记：检测用户下一句长度，>10 字自动记 good

Day 3：搭台式训练流水线

• 台式装 Unsloth（pip install unsloth）
• 写一个 train_daily.py：读 daily.jsonl，增量训 LoRA，输出新 adapter
• 手动跑一次：轻薄本传 20 条样本，台式训 5 分钟，回传，轻薄本加载新 LoRA

Day 4-7：养数据

• 每天和 Bot 聊 20 轮，手动标记 3-5 条 :good 或 :edit
• 观察：第 3 天开始，Bot 的语气是否出现你标记过的模式

一个关键的技术细节

增量 LoRA 的灾难性遗忘：每天只训新数据，Bot 可能忘记之前的风格。缓解方案：

• 每次训练时，从旧数据里随机抽 30% 混合（Replay Buffer）
• 或者 Unsloth 里用 learning_rate=1e-4（比首次训练低一个量级），减少参数漂移

你现在需要决定的数据策略

Demo 阶段，手动标记的质量 > 自动标记的数量。

你本周愿意在每次对话后，花 10 秒输入 :good 或编辑 Bot 回复吗？还是你希望全自动（系统自己猜你的反馈）？

• 如果愿意手动：3 天后 LoRA 就能出现可感知的风格偏移。
• 如果要全自动：需要把"用户下一句长度"等代理信号做好校准，可能 1 周后才见效，且噪声大。

你倾向哪种？ 这决定 Day 2 的脚本复杂度。