用途：从记忆库中检索相关的历史情节上下文，为决策提供依据，适用于需要参考过往情节、模式或类似任务解决方案的场景。
主要能力：支持两种检索方式。语义搜索（首选）在具备嵌入时使用 memory.retrieve_relevant_context(query, task_context, limit: 5).await?，可找到语义相似的任务并捕捉意图；关键字搜索（回退方案）基于 SQL 索引，示例为 SELECT * FROM episodes WHERE task_type = ? AND tags LIKE ? ORDER BY timestamp DESC LIMIT ?，优点是快速、无需计算嵌入且结果确定。
检索策略：解析查询（关键术语、领域、任务类型）；检查嵌入可用性；先查询缓存（redb），再回退到 Turso；按相关性或新近度排序；过滤并限制结果；格式化上下文结构。
过滤条件：可按领域（如 TaskContext { domain: "storage".to_string(), .. }）、任务类型（task_type_filter: Some("implementation")）、时间范围（since: Some(now - Duration::days(30))）以及成功状态（verdict: Some(Verdict::Success)）过滤。
响应格式：返回 RetrievedContext，包含 episodes、patterns、heuristics 与 relevance_scores。EpisodeSummary 含 id、task_description、verdict、key_steps、reflection、relevance。
用法示例：检索相似实现任务 memory.retrieve_relevant_context(query, context, 10).await?；查找常见工具序列 memory.get_patterns_by_type("ToolSequence").filter(|p| p.success_rate > 0.8).await?；查找错误解决方案 memory.retrieve_error_resolutions("borrow checker error", 5).await?。
限制与排错：召回率低时检查嵌入、扩展标签或增大 limit；检索慢时检查缓存、验证索引、缩减结果集；相关性差时改用语义搜索、改进查询或按领域过滤。