refactor(terminology): 层级总结为主路径，synopsis 标记为旧式全局概要

- README: 明确 summaryState 为主总结体系，legacy synopsis 为兼容兜底
- prompt-profiles: synopsis 任务标签改为「小总结」
- schema/task-graph-stats/panel: synopsis 节点显示为「全局概要（旧）」
- index.js: fallback 状态文案改为「旧式全局概要生成/更新中」
- p0-regressions: 同步更新断言字符串

README.md

@@ -67,7 +67,7 @@ flowchart LR
 
 - **整合** — 相似记忆合并（Mem0 精确对照 + A-MEM 进化）
 - **压缩** — 太多类似的事件记忆会被层级合并
-- **概要** — 自动生成"之前发生了什么"的总结（含层级摘要折叠）
+- **层级总结** — 基于近期原文窗口生成小总结，并在前沿过厚时继续做总结折叠
 - **反思** — 长期模式总结，生成叙事指导原则
 - **遗忘** — 很久没被用到的记忆降低优先级
 
@@ -88,7 +88,7 @@ flowchart LR
 
 注入的内容分成两层：
 
-- **Core（常驻层）** — 规则、概要、主线这类始终需要的
+- **Core（常驻层）** — 规则、主线，以及在没有活跃总结前沿时兜底的旧式全局概要
 - **Recalled（动态层）** — 根据当前对话语境召回的
 
 每层内进一步按用途分桶：当前状态 / 情景事件 / 反思锚点 / 规则约束。
@@ -121,12 +121,15 @@ ST-BME 的处理方式是：
 ### 方法一：通过 SillyTavern 扩展安装
 
 1. 打开 SillyTavern → 扩展 → 安装扩展
-2. 输入仓库地址：
-   ```text
-   https://github.com/Youzini-afk/ST-Bionic-Memory-Ecology
-   ```
-   注意：请粘贴仓库根地址，不要使用像 `/graphs/code-frequency` 这样的 GitHub 子页面地址。
-3. 刷新页面
+1. 输入仓库地址：
+
+```text
+https://github.com/Youzini-afk/ST-Bionic-Memory-Ecology
+```
+
+注意：请粘贴仓库根地址，不要使用像 `/graphs/code-frequency` 这样的 GitHub 子页面地址。
+
+1. 刷新页面
 
 ### 方法二：手动安装
 
@@ -161,7 +164,7 @@ git clone https://github.com/Youzini-afk/ST-Bionic-Memory-Ecology.git st-bme
 | 📍 地点 | 地点状态 | "废弃实验室，门被锁上了" |
 | 📌 规则 | 世界观设定、约束 | "魔法会消耗生命力" |
 | 🧵 主线 | 任务线/剧情线 | "寻找失踪的项链" |
-| 📜 概要 | 自动生成的前情提要 | — |
+| 📜 全局概要（旧） | 单条全局前情提要，现主要用于兼容 / 迁移兜底 | — |
 | 💭 反思 | 长期规律总结 | "他们经常在夕阳下聊天" |
 | 👁️ 主观记忆 | 角色视角下的记忆，含误解和情绪 | "她以为他离开了，其实他躲起来了" |
 
@@ -187,13 +190,17 @@ ST-BME 的记忆不是扁平的——它模拟了真实的认知分层：
 - 时间线上下文可注入 prompt，帮助模型保持时间感知
 - 支持软引导（`storyTimeSoftDirecting`），不强制但提示模型注意时间流
 
+### 总结状态
+
+当前主用的总结体系不是 `synopsis` 节点，而是 `summaryState` 中持续演化的「小总结 + 总结折叠」活跃前沿。
+
 ---
 
 ## 🔧 设置说明
 
 ### 记忆 LLM
 
-用来做提取、压缩、整合、概要、反思等任务的模型。
+用来做提取、压缩、整合、小总结、总结折叠、反思等任务的模型。
 
 - **留空** → 复用当前 SillyTavern 的聊天模型（最简配置）
 - **填写** → 你可以指定一个独立的 OpenAI-compatible 模型专门处理记忆
@@ -261,11 +268,12 @@ ST-BME 的记忆不是扁平的——它模拟了真实的认知分层：
 | ------ | ------ | ------ |
 | 启用整合 | 开 | 相似记忆自动合并 |
 | 整合阈值 | 0.85 | 向量相似度高于此值时触发合并 |
-| 启用概要 | 开 | 定期生成前情提要 |
-| 启用层级摘要 | 开 | 摘要自动折叠合并 |
+| 启用层级总结 | 开 | 启用「小总结 + 总结折叠」主路径（兼容旧 `enableSynopsis` 命名） |
+| 小总结频率 | 3 次提取 | 每累计多少次提取生成一条新的小总结 |
+| 折叠扇入 | 3 | 同层活跃总结达到多少条时触发一次折叠 |
 | 启用反思 | 开 | 让 AI 总结长期模式 |
 | 启用自动压缩 | 开 | 事件/主线节点过多时自动层级合并 |
-| 启用主动遗忘 | 开 | 太久没用的记忆降低优先级 |
+| 启用主动遗忘 | 开 | 太久没被用到的记忆降低优先级 |
 | 启用智能触发 | 关 | 仅在检测到关键内容时才提取 |
 | 启用概率召回 | 关 | 以一定概率触发召回，减少 token 消耗 |
 
@@ -307,9 +315,11 @@ ST-BME 的记忆不是扁平的——它模拟了真实的认知分层：
 ### 操作 Tab
 
 - 手动提取 — 立即从当前对话提取（模式选择跨会话记忆）
-- 手动压缩 — 合并重复/过时记忆
-- 执行遗忘 — 主动降级低价值记忆
-- 更新概要 — 重新生成前情提要
+- 手动压缩 — 合并重复/冗余的事件
+- 执行遗忘 — 降低长期未使用记忆的优先级
+- 生成小总结 — 基于近期原文窗口生成阶段性总结
+- 执行总结折叠 — 折叠当前活跃总结前沿
+- 重建总结状态 — 从提取批次重建小总结与折叠总结
 - 导出 / 导入图谱
 - 重建图谱 — 从当前聊天重新提取全部记忆
 - 重建向量 — 重建全部向量索引
@@ -318,6 +328,7 @@ ST-BME 的记忆不是扁平的——它模拟了真实的认知分层：
 ### 配置 Tab
 
 配置页是一个完整的工作区，分成 5 个子页：
+
 - **API 配置** — 记忆 LLM、Embedding 向量源
 - **功能开关** — 提取/召回/维护各项功能的启用开关
 - **详细参数** — 检索流水线、认知架构、维护阈值等细粒度参数
@@ -328,7 +339,7 @@ ST-BME 的记忆不是扁平的——它模拟了真实的认知分层：
 
 ### 图谱可视化
 
-桌面端右侧大区域显示力导向图谱，节点可拖拽、缩放、点击查看详情。支持 4 套配色主题切换。
+桌面端右侧大区域显示力导向图谱，节点可拖拽、缩放、点击查看详情。支持 4 套主题配色切换。
 
 ---
 
@@ -359,7 +370,9 @@ ST-BME 的记忆不是扁平的——它模拟了真实的认知分层：
 | 手动提取 | 不等自动触发，立刻提取当前对话 |
 | 手动压缩 | 把重复/冗余的事件合并 |
 | 执行遗忘 | 降低长期未使用记忆的优先级 |
-| 更新概要 | 重新生成全局前情提要 |
+| 生成小总结 | 基于近期原文窗口生成一条新的阶段性总结 |
+| 执行总结折叠 | 将多条同层活跃总结折叠成更高层总结 |
+| 重建总结状态 | 从提取批次重建小总结与折叠总结 |
 | 导出图谱 | 下载当前图谱 JSON（不含向量） |
 | 导入图谱 | 导入图谱文件（导入后需重建向量） |
 | 重建图谱 | ⚠️ 清空现有图谱，从聊天记录重新提取 |
@@ -566,7 +579,7 @@ AI 回复 → 结构化消息预处理
         → [可选世界书扫描]
         → LLM 提取 → 近邻对照 → 认知归属判定
         → 写入图谱 + 同步向量 + 故事时间线
-        → [后续维护：整合/压缩/概要/反思/遗忘]
+        → [后续维护：整合/压缩/层级总结/反思/遗忘]
 ```
 
 ### Prompt 构建架构