背景
当前 OpenLess 每次 polish 调用都是「无记忆、无个性」的：同一个用户、同一个产品语境，每次都从零开始让 LLM 理解。词汇表已经存了用户的术语，但用词偏好、句长习惯、收尾风格、敏感词回避这些更深层特征没有被利用。
目标
让 polish 输出在无人工调教的情况下，逐次趋近用户的"自然写法"：
- 风格指纹：从历史
DictationSession.finalText 中归纳几条用户高频特征（句长 / 标点偏好 / 是否爱用句末助词 / 列表风格 / 中英混排习惯），作为 system prompt 后缀附加到 polish 请求
- 跨会话词汇增强：词汇表已有，但只是机械替换；扩展为「正确写法 + 上下文示例」，命中后 LLM 知道为什么这么写
- 场景模板（通用性）：识别口述场景（IM 短句 / 邮件 / 代码注释 / 会议纪要），自动选择更贴合的 polish 取向
实现路径（建议）
polish.rs
└─ user_profile.rs (新增)
├─ 周期性从 history.json 抽样最近 N 条 finalText
├─ 用本地启发式 + 一次性 LLM 抽取（可选）生成 ~150 字的 "USER_STYLE_FINGERPRINT"
└─ 缓存到 preferences.json / user_style.json，每 50 段 dictation 重算一次
└─ compose_system_prompt
├─ base prompt
├─ + hotwords block (现有)
├─ + USER_STYLE_FINGERPRINT (新增，≤200 字，避免吃光上下文)
└─ + scene hint (新增，根据 active app bundle 推断)
开放设计问题
- 隐私: 风格指纹归纳是否走云端 LLM？建议仅在用户开启 polish 通道的同一 provider 上跑，且只跑一次/批量
- 冷启动: 历史 < 20 条时跳过指纹注入，避免基于噪声的过拟合
- 可回退: 指纹是否会拉低输出质量？在设置中给一个总开关 + 一键清除指纹缓存
- 场景判定: 用 active app bundle id 还是 polish 前快速 LLM 判定？前者更便宜也够用 80%
验收标准（可分步交付）
非目标
- 模型微调 / LoRA：成本与产品定位不符
- 多 profile 切换（工作风格 vs 个人风格）：先把单一指纹跑通
关联
背景
当前 OpenLess 每次 polish 调用都是「无记忆、无个性」的：同一个用户、同一个产品语境，每次都从零开始让 LLM 理解。词汇表已经存了用户的术语，但用词偏好、句长习惯、收尾风格、敏感词回避这些更深层特征没有被利用。
目标
让 polish 输出在无人工调教的情况下，逐次趋近用户的"自然写法"：
DictationSession.finalText中归纳几条用户高频特征（句长 / 标点偏好 / 是否爱用句末助词 / 列表风格 / 中英混排习惯），作为 system prompt 后缀附加到 polish 请求实现路径（建议）
开放设计问题
验收标准（可分步交付）
user_style.jsonschema + 增量更新机制compose_system_prompt接受指纹片段非目标
关联