diff --git a/src/plugins/built_in/kokoro_flow_chatter/chatter.py b/src/plugins/built_in/kokoro_flow_chatter/chatter.py
index 08b494133..5b558c75c 100644
--- a/src/plugins/built_in/kokoro_flow_chatter/chatter.py
+++ b/src/plugins/built_in/kokoro_flow_chatter/chatter.py
@@ -325,6 +325,10 @@ class KokoroFlowChatter(BaseChatter):
         """
         if session.status == SessionStatus.WAITING:
             # 之前在等待
+            # 如果 max_wait_seconds <= 0，说明不是有效的等待状态，视为新消息
+            if session.waiting_config.max_wait_seconds <= 0:
+                return "new_message"
+            
             if session.waiting_config.is_timeout():
                 # 超时了才收到回复
                 return "reply_late"
diff --git a/src/plugins/built_in/kokoro_flow_chatter/context_builder.py b/src/plugins/built_in/kokoro_flow_chatter/context_builder.py
index a83a2bf22..c9adf318a 100644
--- a/src/plugins/built_in/kokoro_flow_chatter/context_builder.py
+++ b/src/plugins/built_in/kokoro_flow_chatter/context_builder.py
@@ -177,7 +177,12 @@ class KFCContextBuilder:
             return f"你与{sender_name}是普通朋友关系。"
     
     async def _build_memory_block(self, chat_history: str, target_message: str) -> str:
-        """构建记忆块（使用三层记忆系统）"""
+        """构建记忆块（使用三层记忆系统）
+        
+        Args:
+            chat_history: 聊天历史文本
+            target_message: 目标消息/查询文本。如果为空，将使用 chat_history 的前 200 字符作为查询
+        """
         config = _get_config()
         
         if not (config.memory and config.memory.enable):
@@ -192,8 +197,18 @@ class KFCContextBuilder:
                 logger.debug("[三层记忆] 管理器未初始化")
                 return ""
             
+            # 如果 target_message 为空，使用 chat_history 的前 200 字符作为查询
+            query_text = target_message.strip() if target_message else ""
+            if not query_text and chat_history:
+                query_text = chat_history[:200].strip()
+                logger.debug(f"[三层记忆] target_message 为空，使用 chat_history 前 200 字符作为查询")
+            
+            if not query_text:
+                logger.debug("[三层记忆] 没有可用的查询文本，跳过记忆搜索")
+                return ""
+            
             search_result = await unified_manager.search_memories(
-                query_text=target_message,
+                query_text=query_text,
                 use_judge=True,
                 recent_chat_history=chat_history,
             )
diff --git a/src/plugins/built_in/kokoro_flow_chatter/prompt/builder.py b/src/plugins/built_in/kokoro_flow_chatter/prompt/builder.py
index ce0e10480..cdd371e63 100644
--- a/src/plugins/built_in/kokoro_flow_chatter/prompt/builder.py
+++ b/src/plugins/built_in/kokoro_flow_chatter/prompt/builder.py
@@ -73,7 +73,10 @@ class PromptBuilder:
         safety_guidelines_block = self._build_safety_guidelines_block()
         
         # 2. 使用 context_builder 获取关系、记忆、表达习惯等
-        context_data = await self._build_context_data(user_name, chat_stream, user_id)
+        context_data = await self._build_context_data(
+            user_name, chat_stream, user_id,
+            session=session, situation_type=situation_type
+        )
         relation_block = context_data.get("relation_info", f"你与 {user_name} 还不太熟悉，这是早期的交流阶段。")
         memory_block = context_data.get("memory_block", "")
         expression_habits = self._build_combined_expression_block(context_data.get("expression_habits", ""))
@@ -148,7 +151,10 @@ class PromptBuilder:
         safety_guidelines_block = self._build_safety_guidelines_block()
         
         # 2. 使用 context_builder 获取关系、记忆、表达习惯等
-        context_data = await self._build_context_data(user_name, chat_stream, user_id)
+        context_data = await self._build_context_data(
+            user_name, chat_stream, user_id,
+            session=session, situation_type=situation_type
+        )
         relation_block = context_data.get("relation_info", f"你与 {user_name} 还不太熟悉，这是早期的交流阶段。")
         memory_block = context_data.get("memory_block", "")
         expression_habits = self._build_combined_expression_block(context_data.get("expression_habits", ""))
@@ -259,11 +265,20 @@ class PromptBuilder:
         user_name: str,
         chat_stream: Optional["ChatStream"],
         user_id: Optional[str] = None,
+        session: Optional[KokoroSession] = None,
+        situation_type: str = "new_message",
     ) -> dict[str, str]:
         """
         使用 KFCContextBuilder 构建完整的上下文数据
         
         包括：关系信息、记忆、表达习惯等
+        
+        Args:
+            user_name: 用户名称
+            chat_stream: 聊天流对象
+            user_id: 用户ID
+            session: KokoroSession 会话对象（用于超时/主动思考场景）
+            situation_type: 情况类型（用于判断记忆搜索策略）
         """
         if not chat_stream:
             return {
@@ -280,12 +295,13 @@ class PromptBuilder:
             
             builder = self._context_builder(chat_stream)
             
-            # 获取最近的消息作为 target_message（用于记忆检索）
-            target_message = ""
-            if chat_stream.context:
-                unread = chat_stream.context.get_unread_messages()
-                if unread:
-                    target_message = unread[-1].processed_plain_text or unread[-1].display_message or ""
+            # 获取用于记忆检索的查询文本
+            target_message = await self._get_memory_search_query(
+                chat_stream=chat_stream,
+                session=session,
+                situation_type=situation_type,
+                user_name=user_name,
+            )
             
             context_data = await builder.build_all_context(
                 sender_name=user_name,
@@ -304,6 +320,113 @@ class PromptBuilder:
                 "expression_habits": "",
             }
     
+    async def _get_memory_search_query(
+        self,
+        chat_stream: Optional["ChatStream"],
+        session: Optional[KokoroSession],
+        situation_type: str,
+        user_name: str,
+    ) -> str:
+        """
+        根据场景类型获取合适的记忆搜索查询文本
+        
+        策略：
+        1. 优先使用未读消息（new_message/reply_in_time/reply_late）
+        2. 如果没有未读消息（timeout/proactive），使用最近的历史消息
+        3. 如果历史消息也为空，从 session 的 mental_log 中提取
+        4. 最后回退到用户名作为查询
+        
+        Args:
+            chat_stream: 聊天流对象
+            session: KokoroSession 会话对象
+            situation_type: 情况类型
+            user_name: 用户名称
+            
+        Returns:
+            用于记忆搜索的查询文本
+        """
+        target_message = ""
+        
+        # 策略1: 优先从未读消息获取（适用于 new_message/reply_in_time/reply_late）
+        if chat_stream and chat_stream.context:
+            unread = chat_stream.context.get_unread_messages()
+            if unread:
+                target_message = unread[-1].processed_plain_text or unread[-1].display_message or ""
+                if target_message:
+                    logger.debug(f"[记忆搜索] 使用未读消息作为查询: {target_message[:50]}...")
+                    return target_message
+        
+        # 策略2: 从最近的历史消息获取（适用于 timeout/proactive）
+        if chat_stream and chat_stream.context:
+            history_messages = chat_stream.context.history_messages
+            if history_messages:
+                # 获取最近的几条非通知消息，组合成查询
+                recent_texts = []
+                for msg in reversed(history_messages[-5:]):
+                    content = getattr(msg, "processed_plain_text", "") or getattr(msg, "display_message", "")
+                    if content and not getattr(msg, "is_notify", False):
+                        recent_texts.append(content)
+                        if len(recent_texts) >= 3:
+                            break
+                
+                if recent_texts:
+                    target_message = " ".join(reversed(recent_texts))
+                    logger.debug(f"[记忆搜索] 使用历史消息作为查询 (situation={situation_type}): {target_message[:80]}...")
+                    return target_message
+        
+        # 策略3: 从 session 的 mental_log 中提取（超时/主动思考场景的最后手段）
+        if session and situation_type in ("timeout", "proactive"):
+            entries = session.get_recent_entries(limit=10)
+            recent_texts = []
+            
+            for entry in reversed(entries):
+                # 从用户消息中提取
+                if entry.event_type == EventType.USER_MESSAGE and entry.content:
+                    recent_texts.append(entry.content)
+                # 从 bot 的预期反应中提取（可能包含相关话题）
+                elif entry.event_type == EventType.BOT_PLANNING and entry.expected_reaction:
+                    recent_texts.append(entry.expected_reaction)
+                
+                if len(recent_texts) >= 3:
+                    break
+            
+            if recent_texts:
+                target_message = " ".join(reversed(recent_texts))
+                logger.debug(f"[记忆搜索] 使用 mental_log 作为查询 (situation={situation_type}): {target_message[:80]}...")
+                return target_message
+        
+        # 策略4: 最后回退 - 使用用户名 + 场景描述
+        if situation_type == "timeout":
+            target_message = f"与 {user_name} 的对话 等待回复"
+        elif situation_type == "proactive":
+            target_message = f"与 {user_name} 的对话 主动发起聊天"
+        else:
+            target_message = f"与 {user_name} 的对话"
+        
+        logger.debug(f"[记忆搜索] 使用回退查询 (situation={situation_type}): {target_message}")
+        return target_message
+    
+    def _get_latest_user_message(self, session: Optional[KokoroSession]) -> str:
+        """
+        获取最新的用户消息内容
+        
+        Args:
+            session: KokoroSession 会话对象
+            
+        Returns:
+            最新用户消息的内容，如果没有则返回提示文本
+        """
+        if not session:
+            return "（未知消息）"
+        
+        # 从 mental_log 中获取最新的用户消息
+        entries = session.get_recent_entries(limit=10)
+        for entry in reversed(entries):
+            if entry.event_type == EventType.USER_MESSAGE and entry.content:
+                return entry.content
+        
+        return "（消息内容不可用）"
+    
     async def _build_chat_history_block(
         self,
         chat_stream: Optional["ChatStream"],
@@ -525,32 +648,39 @@ class PromptBuilder:
                 situation_type = "new_message"
         
         if situation_type == "new_message":
+            # 获取最新消息内容
+            latest_message = self._get_latest_user_message(session)
             return await global_prompt_manager.format_prompt(
                 PROMPT_NAMES["situation_new_message"],
                 current_time=current_time,
                 user_name=user_name,
+                latest_message=latest_message,
             )
         
         elif situation_type == "reply_in_time":
             elapsed = session.waiting_config.get_elapsed_seconds()
             max_wait = session.waiting_config.max_wait_seconds
+            latest_message = self._get_latest_user_message(session)
             return await global_prompt_manager.format_prompt(
                 PROMPT_NAMES["situation_reply_in_time"],
                 current_time=current_time,
                 user_name=user_name,
                 elapsed_minutes=elapsed / 60,
                 max_wait_minutes=max_wait / 60,
+                latest_message=latest_message,
             )
         
         elif situation_type == "reply_late":
             elapsed = session.waiting_config.get_elapsed_seconds()
             max_wait = session.waiting_config.max_wait_seconds
+            latest_message = self._get_latest_user_message(session)
             return await global_prompt_manager.format_prompt(
                 PROMPT_NAMES["situation_reply_late"],
                 current_time=current_time,
                 user_name=user_name,
                 elapsed_minutes=elapsed / 60,
                 max_wait_minutes=max_wait / 60,
+                latest_message=latest_message,
             )
         
         elif situation_type == "timeout":
@@ -911,7 +1041,10 @@ class PromptBuilder:
         safety_guidelines_block = self._build_safety_guidelines_block()
         
         # 2. 使用 context_builder 获取关系、记忆、表达习惯等
-        context_data = await self._build_context_data(user_name, chat_stream, user_id)
+        context_data = await self._build_context_data(
+            user_name, chat_stream, user_id,
+            session=session, situation_type=situation_type
+        )
         relation_block = context_data.get("relation_info", f"你与 {user_name} 还不太熟悉，这是早期的交流阶段。")
         memory_block = context_data.get("memory_block", "")
         expression_habits = self._build_combined_expression_block(context_data.get("expression_habits", ""))
diff --git a/src/plugins/built_in/kokoro_flow_chatter/prompt/prompts.py b/src/plugins/built_in/kokoro_flow_chatter/prompt/prompts.py
index 6ac97718c..d5c8c176d 100644
--- a/src/plugins/built_in/kokoro_flow_chatter/prompt/prompts.py
+++ b/src/plugins/built_in/kokoro_flow_chatter/prompt/prompts.py
@@ -88,7 +88,9 @@ kfc_SITUATION_NEW_MESSAGE = Prompt(
     name="kfc_situation_new_message",
     template="""现在是 {current_time}。
 
-{user_name} 刚刚给你发了消息。这是一次新的对话发起（不是对你之前消息的回复）。
+{user_name} 刚刚给你发了消息：「{latest_message}」
+
+这是一次新的对话发起（不是对你之前消息的回复）。
 
 请决定你要怎么回应。你可以：
 - 发送文字消息回复
@@ -103,7 +105,7 @@ kfc_SITUATION_REPLY_IN_TIME = Prompt(
 
 你之前发了消息后一直在等 {user_name} 的回复。
 等了大约 {elapsed_minutes:.1f} 分钟（你原本打算最多等 {max_wait_minutes:.1f} 分钟）。
-现在 {user_name} 回复了！
+现在 {user_name} 回复了：「{latest_message}」
 
 请决定你接下来要怎么回应。""",
 )
@@ -114,7 +116,7 @@ kfc_SITUATION_REPLY_LATE = Prompt(
 
 你之前发了消息后在等 {user_name} 的回复。
 你原本打算最多等 {max_wait_minutes:.1f} 分钟，但实际等了 {elapsed_minutes:.1f} 分钟才收到回复。
-虽然有点迟，但 {user_name} 终于回复了。
+虽然有点迟，但 {user_name} 终于回复了：「{latest_message}」
 
 请决定你接下来要怎么回应。（可以选择轻轻抱怨一下迟到，也可以装作没在意）""",
 )