修正Hippocampus类中的文档注释，更新关键词相关性计算逻辑，确保相似度计算基于关键词列表而非文本。同时，修复ParahippocampalGyrus类中获取边缘数据的逻辑，确保在未找到最后修改时间时使用当前时间。

src/chat/memory_system/Hippocampus.py

@@ -624,18 +624,19 @@ class Hippocampus:
         max_memory_length: int = 2,
         max_depth: int = 3,
     ) -> list:
-        """从文本中提取关键词并获取相关记忆。
+        """从关键词列表中获取相关记忆。
 
         Args:
-            keywords (list): 输入文本
-            max_memory_num (int, optional): 返回的记忆条目数量上限。默认为3，表示最多返回3条与输入文本相关度最高的记忆。
+            keywords (list): 输入关键词列表
+            max_memory_num (int, optional): 返回的记忆条目数量上限。默认为3，表示最多返回3条与输入关键词相关度最高的记忆。
             max_memory_length (int, optional): 每个主题最多返回的记忆条目数量。默认为2，表示每个主题最多返回2条相似度最高的记忆。
             max_depth (int, optional): 记忆检索深度。默认为3。值越大，检索范围越广，可以获取更多间接相关的记忆，但速度会变慢。
 
         Returns:
             list: 记忆列表，每个元素是一个元组 (topic, memory_content)
                 - topic: str, 记忆主题
-                - memory_content: str, 该主题下的完整记忆内容
+                - memory_items: list, 该主题下的记忆项列表
+                - similarity: float, 与关键词的相似度
         """
         if not keywords:
             return []
@@ -734,19 +735,27 @@ class Hippocampus:
             # 直接使用完整的记忆内容
             if memory_items:
                 logger.debug(f"节点包含 {len(memory_items)} 条记忆")
-                # 计算每条记忆与输入文本的相似度
+                # 计算每条记忆与输入关键词的相似度
                 memory_similarities = []
                 for memory in memory_items:
-                    # 计算与输入文本的相似度
+                    # 计算与输入关键词的相似度
                     memory_words = set(jieba.cut(memory))
-                    text_words = set(jieba.cut(text))
-                    all_words = memory_words | text_words
+                    # 将所有关键词合并成一个字符串来计算相似度
+                    keywords_text = " ".join(valid_keywords)
+                    keywords_words = set(jieba.cut(keywords_text))
+                    all_words = memory_words | keywords_words
                     v1 = [1 if word in memory_words else 0 for word in all_words]
-                    v2 = [1 if word in text_words else 0 for word in all_words]
-                    _ = cosine_similarity(v1, v2)  # 计算但不使用，用_表示
+                    v2 = [1 if word in keywords_words else 0 for word in all_words]
+                    similarity = cosine_similarity(v1, v2)
+                    memory_similarities.append((memory, similarity))
 
-                    # 添加完整记忆到结果中
-                    all_memories.append((node, memory_items, activation))
+                # 按相似度排序
+                memory_similarities.sort(key=lambda x: x[1], reverse=True)
+                # 获取最匹配的记忆
+                top_memories = memory_similarities[:max_memory_length]
+
+                # 添加到结果中
+                all_memories.extend((node, [memory], similarity) for memory, similarity in top_memories)
             else:
                 logger.info("节点没有记忆")
 
@@ -1563,7 +1572,7 @@ class ParahippocampalGyrus:
         edge_check_start = time.time()
         for source, target in edges_to_check:
             edge_data = self.memory_graph.G[source][target]
-            last_modified = edge_data.get("last_modified")
+            last_modified = edge_data.get("last_modified", current_time)
 
             if current_time - last_modified > 3600 * global_config.memory.memory_forget_time:
                 current_strength = edge_data.get("strength", 1)
@@ -1804,6 +1813,7 @@ class HippocampusManager:
         """获取所有节点名称的公共接口"""
         if not self._initialized:
             raise RuntimeError("HippocampusManager 尚未初始化，请先调用 initialize 方法")
+        return self._hippocampus.get_all_node_names()
 
 # 创建全局实例
 hippocampus_manager = HippocampusManager()