From 9ff7f93c86b7689bb5a7dd634ae6c5b7c8fcfde9 Mon Sep 17 00:00:00 2001
From: Inference1 <3617237115@qq.com>
Date: Sat, 17 Oct 2026 19:39:17 +0800
Subject: [PATCH] Move the content of the Quick Start section to a suitable
 later position

Signed-off-by: Inference1 <3617237115@qq.com>
---
 README.md    | 228 +++++++++++++++++++++++++--------------------------
 README_CN.md | 192 +++++++++++++++++++++----------------------
 README_JP.md | 184 ++++++++++++++++++++---------------------
 3 files changed, 302 insertions(+), 302 deletions(-)

diff --git a/README.md b/README.md
index aa344e1b5d..57a9d536a9 100644
--- a/README.md
+++ b/README.md
@@ -11,120 +11,6 @@
 
 [Website](https://powercontext.oceanbase.io/) · [Quickstart](https://powercontext.oceanbase.io/en/docs/get-started/quickstart/) · [Integrations](https://powercontext.oceanbase.io/en/docs/integrations/) · [Benchmarks](https://powercontext.oceanbase.io/en/benchmarks/) · [Interfaces](https://powercontext.oceanbase.io/en/docs/develop/interfaces/)
 
-## Quick start
-
-PowerContext keeps durable project context outside any single chat. A first run follows this path:
-
-```text
-Agent input → Source evidence → Memory / Topic Memory → PreparedContext → next session or Agent
-```
-
-PowerContext 1.3.0 includes an interactive setup wizard. You need Python 3.11+, Git, and
-[uv](https://docs.astral.sh/uv/getting-started/installation/); uv can provision Python when needed. To connect an Agent,
-also install its CLI. In the wizard, choose Basic memory for explicit saves and recall without model APIs; Full memory
-requires separate Generation and Embedding API credentials. For a local Server without model APIs, see
-[Install and run](docs/en/docs/get-started/install-and-run.md).
-macOS and Linux are supported; Windows support is `experimental`.
-
-Choose the path that matches your goal:
-
-| Goal | Choose | What you need |
-| --- | --- | --- |
-| Try explicit saves and recall | **Basic memory** | CLI and Server; no model API |
-| Process Sources automatically and use Topic Memory or semantic retrieval | **Full memory** | Separate Generation and Embedding API credentials; schedules and Scope policies still apply |
-| Learn the core workflows in Python | The first seven Jupyter tutorials | A repository checkout and `uv`; no model or API key |
-
-### 1. Install and run the wizard
-
-```bash
-uv tool install --force "powercontext[cli,server]==1.3.0"
-mkdir -p powercontext-config && cd powercontext-config
-powercontext config init --language en --output .env
-powercontext config validate --env-file .env
-powercontext server run --env-file .env      # keep this terminal open
-```
-
-The wizard asks about storage, local or remote usage, memory capabilities, Dashboard/access, and Agent connections. SQLite is the simplest first storage choice; choose embedded seekdb only when you need it and can approve its dependency install.
-
-The wizard writes one `.env` environment file and `.env.next-steps.md`. These files can contain credentials; do not
-commit them. Keep Server running; in another terminal, return to `powercontext-config`, reload the generated environment
-file, and check the connection:
-
-```bash
-set -a
-. ./.env
-set +a
-powercontext ready
-powercontext capabilities
-```
-
-Continue with `.env.next-steps.md` to create and bind the selected Scopes. Use the real `scope_id` returned by the
-creation request; a planned `codex-...` title is not an ID. Changing directories does not create isolation; use the
-same Server and Scope in the Dashboard and Agent. Then install the matching plugins and launch a new Agent session.
-The [complete walkthrough](https://powercontext.oceanbase.io/en/docs/get-started/quickstart/) covers Codex and Claude
-Code, Dashboard login, SSH forwarding, HTTPS prerequisites, and observable acceptance checks. For example, the matching
-Codex installation is:
-
-```bash
-powercontext setup codex --ref powercontext-v1.3.0
-powercontext doctor codex
-```
-
-### 2. Verify the first end-to-end result
-
-This checks the path that makes PowerContext useful: Source capture → background processing → cross-session recall. In
-the new Agent session bound to the same Scope, send a concrete decision such as:
-
-```text
-We are designing the Aurora acceptance project. Use uv for Python dependencies and .env for configuration.
-The first deployment runs on one Linux server, with a Mac connecting through an SSH tunnel.
-Restate these constraints without changing any code.
-```
-
-If you enabled Dashboard, open the URL printed by the wizard; an empty Dashboard before capture is expected. Then:
-
-1. Confirm that the prompt appears as a Source.
-2. After the configured inspection interval and model processing, confirm that a related Topic Memory appears.
-3. Send a related update and confirm that the new Source arrives and the topic content or revision history reflects it.
-4. Start a new Agent session with the same Scope and ask for the Aurora decisions with citations.
-
-`doctor codex` checks installation and connectivity only. Source capture does not by itself create Memory or Topic
-Memory, and processing can wait for configured schedules and model work. In Basic memory mode, explicitly ask the Agent
-to save a decision, then search for it in a new session; that does not test automatic extraction.
-
-### 3. Explore Python first — no API key
-
-The tutorials run from a repository checkout and take their dependencies from a `uv` dependency group, so they are not
-part of the `powercontext` package. From the repository root:
-
-```bash
-uv sync --locked --group notebooks
-uv run --locked --group notebooks jupyter lab --notebook-dir=examples/jupyter
-```
-
-Start with [01 · Memory across sessions](examples/jupyter/01_memory_across_sessions.ipynb), then work through the
-[22 Chinese Jupyter tutorials and a complete team workflow](examples/jupyter/README.md) to run Memory, context
-preparation, Handoff, Experience, Skill, and a real Agent step by step. The first seven tutorials need no model or API
-key.
-
-### Common issues
-
-- `doctor codex` verifies Codex installation and connectivity. To verify automatic memory, check that a real prompt
-  becomes a Source, produces a Topic, evolves after a related prompt, and can be recalled in a new session using the
-  same Scope.
-- If Python dependency downloads are slow or fail, configure a package index for
-  [uv](https://docs.astral.sh/uv/configuration/indexes/) and retry.
-- Choose **Full memory capabilities** to test automatic Memory and Topic Memory; this requires separate Generation and
-  Embedding API credentials. An Agent subscription does not provide those Server credentials. Choose **Basic memory** to
-  save and retrieve memories explicitly without additional model APIs.
-- If seekdb needs installing, the wizard asks once and installs the dependency in the background.
-- The optional recall-sufficiency gate records scope-local daily search effort and budget omissions for later policy
-  evaluation. See the [configuration reference](docs/en/docs/operate/configuration.md) for its recording and failure
-  behavior.
-- For a Server on another machine, use HTTPS or follow the
-  [remote connection guide](docs/en/docs/operate/connect-remote-server.md). Setup recognizes remote HTTP URLs from flags
-  or environment variables and asks for explicit consent; automated setup uses `--allow-insecure-http`.
-
 ## What is PowerContext?
 
 **PowerContext is an open-source context service for AI agents.** It keeps the durable part of your work — decisions,
@@ -259,6 +145,120 @@ would rather state than bury: the six LoCoMo Plus scores above were supplied by
 artifacts are not publicly available for verification — the published instructions reproduce the harness, not those
 scores. Windows support is `experimental`.
 
+## Quick start
+
+PowerContext keeps durable project context outside any single chat. A first run follows this path:
+
+```text
+Agent input → Source evidence → Memory / Topic Memory → PreparedContext → next session or Agent
+```
+
+PowerContext 1.3.0 includes an interactive setup wizard. You need Python 3.11+, Git, and
+[uv](https://docs.astral.sh/uv/getting-started/installation/); uv can provision Python when needed. To connect an Agent,
+also install its CLI. In the wizard, choose Basic memory for explicit saves and recall without model APIs; Full memory
+requires separate Generation and Embedding API credentials. For a local Server without model APIs, see
+[Install and run](docs/en/docs/get-started/install-and-run.md).
+macOS and Linux are supported; Windows support is `experimental`.
+
+Choose the path that matches your goal:
+
+| Goal | Choose | What you need |
+| --- | --- | --- |
+| Try explicit saves and recall | **Basic memory** | CLI and Server; no model API |
+| Process Sources automatically and use Topic Memory or semantic retrieval | **Full memory** | Separate Generation and Embedding API credentials; schedules and Scope policies still apply |
+| Learn the core workflows in Python | The first seven Jupyter tutorials | A repository checkout and `uv`; no model or API key |
+
+### 1. Install and run the wizard
+
+```bash
+uv tool install --force "powercontext[cli,server]==1.3.0"
+mkdir -p powercontext-config && cd powercontext-config
+powercontext config init --language en --output .env
+powercontext config validate --env-file .env
+powercontext server run --env-file .env      # keep this terminal open
+```
+
+The wizard asks about storage, local or remote usage, memory capabilities, Dashboard/access, and Agent connections. SQLite is the simplest first storage choice; choose embedded seekdb only when you need it and can approve its dependency install.
+
+The wizard writes one `.env` environment file and `.env.next-steps.md`. These files can contain credentials; do not
+commit them. Keep Server running; in another terminal, return to `powercontext-config`, reload the generated environment
+file, and check the connection:
+
+```bash
+set -a
+. ./.env
+set +a
+powercontext ready
+powercontext capabilities
+```
+
+Continue with `.env.next-steps.md` to create and bind the selected Scopes. Use the real `scope_id` returned by the
+creation request; a planned `codex-...` title is not an ID. Changing directories does not create isolation; use the
+same Server and Scope in the Dashboard and Agent. Then install the matching plugins and launch a new Agent session.
+The [complete walkthrough](https://powercontext.oceanbase.io/en/docs/get-started/quickstart/) covers Codex and Claude
+Code, Dashboard login, SSH forwarding, HTTPS prerequisites, and observable acceptance checks. For example, the matching
+Codex installation is:
+
+```bash
+powercontext setup codex --ref powercontext-v1.3.0
+powercontext doctor codex
+```
+
+### 2. Verify the first end-to-end result
+
+This checks the path that makes PowerContext useful: Source capture → background processing → cross-session recall. In
+the new Agent session bound to the same Scope, send a concrete decision such as:
+
+```text
+We are designing the Aurora acceptance project. Use uv for Python dependencies and .env for configuration.
+The first deployment runs on one Linux server, with a Mac connecting through an SSH tunnel.
+Restate these constraints without changing any code.
+```
+
+If you enabled Dashboard, open the URL printed by the wizard; an empty Dashboard before capture is expected. Then:
+
+1. Confirm that the prompt appears as a Source.
+2. After the configured inspection interval and model processing, confirm that a related Topic Memory appears.
+3. Send a related update and confirm that the new Source arrives and the topic content or revision history reflects it.
+4. Start a new Agent session with the same Scope and ask for the Aurora decisions with citations.
+
+`doctor codex` checks installation and connectivity only. Source capture does not by itself create Memory or Topic
+Memory, and processing can wait for configured schedules and model work. In Basic memory mode, explicitly ask the Agent
+to save a decision, then search for it in a new session; that does not test automatic extraction.
+
+### 3. Explore Python first — no API key
+
+The tutorials run from a repository checkout and take their dependencies from a `uv` dependency group, so they are not
+part of the `powercontext` package. From the repository root:
+
+```bash
+uv sync --locked --group notebooks
+uv run --locked --group notebooks jupyter lab --notebook-dir=examples/jupyter
+```
+
+Start with [01 · Memory across sessions](examples/jupyter/01_memory_across_sessions.ipynb), then work through the
+[22 Chinese Jupyter tutorials and a complete team workflow](examples/jupyter/README.md) to run Memory, context
+preparation, Handoff, Experience, Skill, and a real Agent step by step. The first seven tutorials need no model or API
+key.
+
+### Common issues
+
+- `doctor codex` verifies Codex installation and connectivity. To verify automatic memory, check that a real prompt
+  becomes a Source, produces a Topic, evolves after a related prompt, and can be recalled in a new session using the
+  same Scope.
+- If Python dependency downloads are slow or fail, configure a package index for
+  [uv](https://docs.astral.sh/uv/configuration/indexes/) and retry.
+- Choose **Full memory capabilities** to test automatic Memory and Topic Memory; this requires separate Generation and
+  Embedding API credentials. An Agent subscription does not provide those Server credentials. Choose **Basic memory** to
+  save and retrieve memories explicitly without additional model APIs.
+- If seekdb needs installing, the wizard asks once and installs the dependency in the background.
+- The optional recall-sufficiency gate records scope-local daily search effort and budget omissions for later policy
+  evaluation. See the [configuration reference](docs/en/docs/operate/configuration.md) for its recording and failure
+  behavior.
+- For a Server on another machine, use HTTPS or follow the
+  [remote connection guide](docs/en/docs/operate/connect-remote-server.md). Setup recognizes remote HTTP URLs from flags
+  or environment variables and asks for explicit consent; automated setup uses `--allow-insecure-http`.
+
 ## Connect your Agent
 
 Codex is `official`; other maintained hosts and Python Agent frameworks are `community`; Bub is `evaluation` only.
diff --git a/README_CN.md b/README_CN.md
index da0b21fc15..8ff79e1a1f 100644
--- a/README_CN.md
+++ b/README_CN.md
@@ -11,102 +11,6 @@
 
 [网站](https://powercontext.oceanbase.io/zh/) · [快速开始](https://powercontext.oceanbase.io/zh/docs/get-started/quickstart/) · [接入 Agent](https://powercontext.oceanbase.io/zh/docs/integrations/) · [评测](https://powercontext.oceanbase.io/zh/benchmarks/) · [接口](https://powercontext.oceanbase.io/zh/docs/develop/interfaces/)
 
-## 快速开始
-
-PowerContext 把可长期复用的项目上下文放在单次对话之外。一次完整体验可以概括为：
-
-```text
-Agent 输入 → Source 证据 → Memory / Topic Memory → PreparedContext → 新会话或新 Agent
-```
-
-PowerContext 1.3.0 包含交互式配置向导。需要 Python 3.11+、Git 和
-[uv](https://docs.astral.sh/uv/getting-started/installation/)；需要时 uv 可以按需提供 Python。
-要接入 Agent，还需要安装对应的 CLI。向导中选择“基础记忆”即可在没有模型 API 的情况下显式保存与召回；
-选择“完整记忆能力”则需要独立的 Generation、Embedding API 凭据。只想启动不依赖模型 API 的本地 Server 时，
-请参考[安装与运行](docs/zh/docs/get-started/install-and-run.md)。
-支持 macOS 和 Linux；Windows 支持为 `experimental`。
-
-请选择与你目标匹配的路径：
-
-| 目标 | 选择 | 需要 |
-| --- | --- | --- |
-| 体验显式保存与召回 | **基础记忆** | CLI 和 Server；无需模型 API |
-| 自动处理 Source，使用 Topic Memory 或语义检索 | **完整记忆能力** | 独立的 Generation、Embedding API 凭据；仍受调度和 Scope 策略影响 |
-| 用 Python 学习核心工作流 | 前七篇 Jupyter 教程 | 仓库 checkout 和 `uv`；不需要模型或 API Key |
-
-### 1. 安装并运行配置向导
-
-```bash
-uv tool install --force "powercontext[cli,server]==1.3.0"
-mkdir -p powercontext-config && cd powercontext-config
-powercontext config init --language zh --output .env
-powercontext config validate --env-file .env
-powercontext server run --env-file .env      # 保持这个终端不关
-```
-
-向导会询问存储、本机或远程使用场景、记忆能力、Dashboard/访问控制和 Agent 连接。首次体验可以使用 SQLite；只有确实需要时再选择嵌入式 seekdb，并同意依赖安装。
-
-向导生成一个 `.env` 环境文件和 `.env.next-steps.md`。这些文件可能包含凭据，请勿提交到 Git。保持 Server 运行，在另一个终端回到 `powercontext-config` 目录，重新加载生成的环境文件并检查服务：
-
-```bash
-set -a
-. ./.env
-set +a
-powercontext ready
-powercontext capabilities
-```
-
-接着按 `.env.next-steps.md` 创建并绑定 Scope。使用创建请求返回的真实 `scope_id`；向导规划的 `codex-...` 标题不是 ID。
-切换目录不会创建隔离；Dashboard 和 Agent 要使用同一个 Server 和 Scope。然后安装相同版本的插件，再打开新 Agent 会话。
-[完整安装流程](https://powercontext.oceanbase.io/zh/docs/get-started/quickstart/)包含 Codex、Claude Code、Dashboard 登录、SSH 隧道、HTTPS 前提及逐项验收。例如，匹配本版本的 Codex 安装命令是：
-
-```bash
-powercontext setup codex --ref powercontext-v1.3.0
-powercontext doctor codex
-```
-
-### 2. 验收第一条端到端结果
-
-这一步检查 PowerContext 真正有用的链路：Source 采集 → 后台处理 → 跨会话召回。
-在绑定了同一 Scope 的新 Agent 会话中，发送一条具体决定，例如：
-
-```text
-我们正在设计 Aurora 验收项目。决定用 uv 管理 Python 依赖，配置文件使用 .env。
-第一阶段只在一台 Linux 服务器运行，Mac 通过 SSH 隧道访问。请复述这些约束，暂时不要修改代码。
-```
-
-如果开启了 Dashboard，打开向导打印的地址；采集前页面为空是正常现象。然后：
-
-1. 确认这条输入出现在 Source 中。
-2. 等待配置的检查周期和模型处理，确认出现相关 Topic Memory。
-3. 发送一条相关更新，确认新的 Source 入库，且主题内容或修订记录反映了更新。
-4. 使用同一 Scope 开启新的 Agent 会话，要求它带引用找回 Aurora 的决定。
-
-`doctor codex` 只检查安装与连接。Source 采集本身不会创建 Memory 或 Topic Memory，后台处理还要等待配置的调度和模型运行。
-基础记忆模式下，可以显式要求 Agent 保存一条决定，再在新会话中搜索；这不能验收自动提取。
-
-### 3. 先用 Python 体验
-
-教程需要在仓库 checkout 内运行，依赖由 `uv` 的依赖组提供，不在 `powercontext` 包内。在仓库根目录执行：
-
-```bash
-uv sync --locked --group notebooks
-uv run --locked --group notebooks jupyter lab --notebook-dir=examples/jupyter
-```
-
-先从 [01 · 让新会话用上项目约定](examples/jupyter/01_memory_across_sessions.ipynb)开始，再通过
-[22 篇中文 Jupyter 教程与完整团队工作流](examples/jupyter/README.md)亲手运行 Memory、上下文、交接、Experience、Skill
-和真实 Agent。前七篇不需要模型或 API Key。
-
-### 常见问题
-
-- `doctor codex` 只验证 Codex 集成的安装和连接，不代表自动记忆流程已通过。要验收自动记忆，需要确认真实输入进入 Source、产生 Topic、相关输入推动主题演进，并能在使用同一 Scope 的新会话中召回。
-- Python 依赖下载缓慢或失败时，可先为 [uv](https://docs.astral.sh/uv/configuration/indexes/) 配置包索引（镜像源）再重试。
-- 要体验自动 Memory 提取和 Topic Memory，请选择**完整记忆能力**并准备独立的 Generation、Embedding API 凭据；Agent 官方订阅不会自动给 PowerContext Server 提供这些凭据。选择**基础记忆**则可显式保存与召回，无需额外模型 API。
-- 选择 seekdb 且缺少依赖时，会在确认后后台增量安装。
-- 可选的召回充分性门控会按 Scope 记录每日搜索工作量和字节预算遗漏，供后续策略评估使用。记录范围与失败行为见[配置说明](docs/zh/docs/operate/configuration.md)。
-- Server 部署在另一台机器上时，请使用 HTTPS 或参考[远程连接说明](docs/zh/docs/operate/connect-remote-server.md)。配置向导会从参数或环境变量识别远端 HTTP 地址并要求显式确认；自动化场景使用 `--allow-insecure-http`。
-
 ## PowerContext 是什么？
 
 **PowerContext 是一个面向 AI Agent 的开源上下文服务。** 它把工作里值得长期保留的部分——已经确认的决定、约束、证据、进展——从某一次对话里搬出来，这样下一个会话、下一个 Agent、或者下一个接手的人，都能从当前进展继续，而不必重读全部记录。
@@ -210,6 +114,102 @@ Experience 记录一个场景、一次动作、观察到的结果，以及可复
 
 评测方法、完整结果和适用边界：[官网评测页](https://powercontext.oceanbase.io/zh/benchmarks/)。有两点我们宁愿写明而不是藏起来：上面这六组 LoCoMo Plus 分数由项目方提供，运行产物尚未公开供复核——公开的是评测工具的复现步骤，不代表这些分数本身已被公开验证。Windows 支持为 `experimental`。
 
+## 快速开始
+
+PowerContext 把可长期复用的项目上下文放在单次对话之外。一次完整体验可以概括为：
+
+```text
+Agent 输入 → Source 证据 → Memory / Topic Memory → PreparedContext → 新会话或新 Agent
+```
+
+PowerContext 1.3.0 包含交互式配置向导。需要 Python 3.11+、Git 和
+[uv](https://docs.astral.sh/uv/getting-started/installation/)；需要时 uv 可以按需提供 Python。
+要接入 Agent，还需要安装对应的 CLI。向导中选择“基础记忆”即可在没有模型 API 的情况下显式保存与召回；
+选择“完整记忆能力”则需要独立的 Generation、Embedding API 凭据。只想启动不依赖模型 API 的本地 Server 时，
+请参考[安装与运行](docs/zh/docs/get-started/install-and-run.md)。
+支持 macOS 和 Linux；Windows 支持为 `experimental`。
+
+请选择与你目标匹配的路径：
+
+| 目标 | 选择 | 需要 |
+| --- | --- | --- |
+| 体验显式保存与召回 | **基础记忆** | CLI 和 Server；无需模型 API |
+| 自动处理 Source，使用 Topic Memory 或语义检索 | **完整记忆能力** | 独立的 Generation、Embedding API 凭据；仍受调度和 Scope 策略影响 |
+| 用 Python 学习核心工作流 | 前七篇 Jupyter 教程 | 仓库 checkout 和 `uv`；不需要模型或 API Key |
+
+### 1. 安装并运行配置向导
+
+```bash
+uv tool install --force "powercontext[cli,server]==1.3.0"
+mkdir -p powercontext-config && cd powercontext-config
+powercontext config init --language zh --output .env
+powercontext config validate --env-file .env
+powercontext server run --env-file .env      # 保持这个终端不关
+```
+
+向导会询问存储、本机或远程使用场景、记忆能力、Dashboard/访问控制和 Agent 连接。首次体验可以使用 SQLite；只有确实需要时再选择嵌入式 seekdb，并同意依赖安装。
+
+向导生成一个 `.env` 环境文件和 `.env.next-steps.md`。这些文件可能包含凭据，请勿提交到 Git。保持 Server 运行，在另一个终端回到 `powercontext-config` 目录，重新加载生成的环境文件并检查服务：
+
+```bash
+set -a
+. ./.env
+set +a
+powercontext ready
+powercontext capabilities
+```
+
+接着按 `.env.next-steps.md` 创建并绑定 Scope。使用创建请求返回的真实 `scope_id`；向导规划的 `codex-...` 标题不是 ID。
+切换目录不会创建隔离；Dashboard 和 Agent 要使用同一个 Server 和 Scope。然后安装相同版本的插件，再打开新 Agent 会话。
+[完整安装流程](https://powercontext.oceanbase.io/zh/docs/get-started/quickstart/)包含 Codex、Claude Code、Dashboard 登录、SSH 隧道、HTTPS 前提及逐项验收。例如，匹配本版本的 Codex 安装命令是：
+
+```bash
+powercontext setup codex --ref powercontext-v1.3.0
+powercontext doctor codex
+```
+
+### 2. 验收第一条端到端结果
+
+这一步检查 PowerContext 真正有用的链路：Source 采集 → 后台处理 → 跨会话召回。
+在绑定了同一 Scope 的新 Agent 会话中，发送一条具体决定，例如：
+
+```text
+我们正在设计 Aurora 验收项目。决定用 uv 管理 Python 依赖，配置文件使用 .env。
+第一阶段只在一台 Linux 服务器运行，Mac 通过 SSH 隧道访问。请复述这些约束，暂时不要修改代码。
+```
+
+如果开启了 Dashboard，打开向导打印的地址；采集前页面为空是正常现象。然后：
+
+1. 确认这条输入出现在 Source 中。
+2. 等待配置的检查周期和模型处理，确认出现相关 Topic Memory。
+3. 发送一条相关更新，确认新的 Source 入库，且主题内容或修订记录反映了更新。
+4. 使用同一 Scope 开启新的 Agent 会话，要求它带引用找回 Aurora 的决定。
+
+`doctor codex` 只检查安装与连接。Source 采集本身不会创建 Memory 或 Topic Memory，后台处理还要等待配置的调度和模型运行。
+基础记忆模式下，可以显式要求 Agent 保存一条决定，再在新会话中搜索；这不能验收自动提取。
+
+### 3. 先用 Python 体验
+
+教程需要在仓库 checkout 内运行，依赖由 `uv` 的依赖组提供，不在 `powercontext` 包内。在仓库根目录执行：
+
+```bash
+uv sync --locked --group notebooks
+uv run --locked --group notebooks jupyter lab --notebook-dir=examples/jupyter
+```
+
+先从 [01 · 让新会话用上项目约定](examples/jupyter/01_memory_across_sessions.ipynb)开始，再通过
+[22 篇中文 Jupyter 教程与完整团队工作流](examples/jupyter/README.md)亲手运行 Memory、上下文、交接、Experience、Skill
+和真实 Agent。前七篇不需要模型或 API Key。
+
+### 常见问题
+
+- `doctor codex` 只验证 Codex 集成的安装和连接，不代表自动记忆流程已通过。要验收自动记忆，需要确认真实输入进入 Source、产生 Topic、相关输入推动主题演进，并能在使用同一 Scope 的新会话中召回。
+- Python 依赖下载缓慢或失败时，可先为 [uv](https://docs.astral.sh/uv/configuration/indexes/) 配置包索引（镜像源）再重试。
+- 要体验自动 Memory 提取和 Topic Memory，请选择**完整记忆能力**并准备独立的 Generation、Embedding API 凭据；Agent 官方订阅不会自动给 PowerContext Server 提供这些凭据。选择**基础记忆**则可显式保存与召回，无需额外模型 API。
+- 选择 seekdb 且缺少依赖时，会在确认后后台增量安装。
+- 可选的召回充分性门控会按 Scope 记录每日搜索工作量和字节预算遗漏，供后续策略评估使用。记录范围与失败行为见[配置说明](docs/zh/docs/operate/configuration.md)。
+- Server 部署在另一台机器上时，请使用 HTTPS 或参考[远程连接说明](docs/zh/docs/operate/connect-remote-server.md)。配置向导会从参数或环境变量识别远端 HTTP 地址并要求显式确认；自动化场景使用 `--allow-insecure-http`。
+
 ## 接入你的 Agent
 
 Codex 标为 `official`，其他受维护的宿主及 Python Agent 框架标为 `community`，Bub 标为 `evaluation`，仅用于评测。这些标签表示 PowerContext 集成的维护归属和用途；哪些宿主已通过资格验证、各自支持哪些功能，以[能力矩阵](https://powercontext.oceanbase.io/zh/docs/integrations/capabilities/)为准。
diff --git a/README_JP.md b/README_JP.md
index 4952d99ab4..0478b2300b 100644
--- a/README_JP.md
+++ b/README_JP.md
@@ -11,98 +11,6 @@
 
 [Web サイト](https://powercontext.oceanbase.io/en/) · [クイックスタート](https://powercontext.oceanbase.io/en/docs/get-started/quickstart/) · [Agent 連携](https://powercontext.oceanbase.io/en/docs/integrations/) · [ベンチマーク](https://powercontext.oceanbase.io/en/benchmarks/) · [インターフェース](https://powercontext.oceanbase.io/en/docs/develop/interfaces/)
 
-## クイックスタート
-
-PowerContext は、長く使うプロジェクトのコンテキストを 1 つの会話の外に保持します。最初の実行は次の流れです。
-
-```text
-Agent の入力 → Source の証拠 → Memory / Topic Memory → PreparedContext → 新しいセッションまたは Agent
-```
-
-PowerContext 1.3.0 には対話式セットアップウィザードが含まれています。Python 3.11+、Git、[uv](https://docs.astral.sh/uv/getting-started/installation/) が必要です。必要に応じて uv が Python を用意できます。Agent に接続するには、その CLI もインストールしてください。ウィザードでは、モデル API なしで明示的な保存と想起を試す場合は Basic memory、自動抽出を有効にする場合は Full memory を選択してください。Full memory には Generation と Embedding API の個別の認証情報が必要です。モデル API なしでローカル Server だけを起動する場合は[インストールと実行](docs/en/docs/get-started/install-and-run.md)を参照してください。macOS と Linux をサポートし、Windows のサポートは `experimental` です。
-
-目的に合う経路を選択してください：
-
-| 目的 | 選択 | 必要なもの |
-| --- | --- | --- |
-| 明示的な保存と想起を試す | **Basic memory** | CLI と Server。モデル API は不要 |
-| Source を自動処理し、Topic Memory やセマンティック検索を使う | **Full memory** | Generation と Embedding API の個別の認証情報。スケジュールと Scope ポリシーも適用されます |
-| Python で基本ワークフローを学ぶ | 最初の 7 本の Jupyter チュートリアル | リポジトリの checkout と `uv`。モデルや API キーは不要 |
-
-### 1. ウィザードをインストールして実行する
-
-```bash
-uv tool install --force "powercontext[cli,server]==1.3.0"
-mkdir -p powercontext-config && cd powercontext-config
-powercontext config init --language en --output .env
-powercontext config validate --env-file .env
-powercontext server run --env-file .env      # このターミナルは開いたままにする
-```
-
-ウィザードでは、ストレージ、ローカルまたはリモート利用、メモリ機能、Dashboard/アクセス制御、Agent 接続を選択します。最初は SQLite が簡単です。組み込み seekdb は必要な場合だけ選び、依存関係のインストールを許可してください。
-
-ウィザードは `.env` と `.env.next-steps.md` を生成します。これらのファイルには認証情報が含まれることがあるため、コミットしないでください。Server を起動したまま、別のターミナルで `powercontext-config` に戻り、生成された環境ファイルを読み込んで接続を確認します。
-
-```bash
-set -a
-. ./.env
-set +a
-powercontext ready
-powercontext capabilities
-```
-
-続いて `.env.next-steps.md` の手順に従い、Scope を作成して紐付けます。作成リクエストが返す実際の `scope_id` を使ってください。
-計画された `codex-...` タイトルは ID ではありません。ディレクトリを変えても分離は作られないため、Dashboard と Agent で同じ Server と
-Scope を使います。その後、対応するプラグインをインストールして新しい Agent セッションを起動します。[完全な手順](https://powercontext.oceanbase.io/en/docs/get-started/quickstart/)では、Codex と Claude Code、Dashboard へのログイン、SSH 転送、HTTPS の前提条件、確認可能な受け入れチェックを扱っています。対応する Codex のインストールは次のとおりです。
-
-```bash
-powercontext setup codex --ref powercontext-v1.3.0
-powercontext doctor codex
-```
-
-### 2. 最初のエンドツーエンド結果を確認する
-
-この確認では、PowerContext が役立つ流れを検証します：Source の取得 → バックグラウンド処理 → セッションをまたぐ想起。
-同じ Scope に紐付けた新しい Agent セッションで、次のような具体的な決定を送ります。
-
-```text
-Aurora の受け入れプロジェクトを設計しています。Python の依存関係には uv、設定には .env を使います。
-最初のデプロイは 1 台の Linux サーバーで行い、Mac から SSH トンネルで接続します。
-これらの制約を変えずに言い直してください。コードは変更しないでください。
-```
-
-Dashboard を有効にした場合は、ウィザードが表示した URL を開いてください。取得前に Dashboard が空なのは正常です。
-その後、次を確認します。
-
-1. 入力が Source として表示されること。
-2. 設定した検査間隔とモデル処理の後、関連する Topic Memory が現れること。
-3. 関連する更新を送り、新しい Source が入り、トピックの内容またはリビジョン履歴に反映されること。
-4. 同じ Scope で新しい Agent セッションを開始し、Aurora の決定を引用付きで探すこと。
-
-`doctor codex` はインストールと接続だけを確認します。Source の取得だけでは Memory や Topic Memory は作成されず、バックグラウンド処理には設定したスケジュールとモデルの実行が必要です。
-Basic memory では Agent に決定を明示的に保存させ、新しいセッションで検索してください。ただし、これは自動抽出の検証ではありません。
-
-### 3. Python で最初に試す
-
-チュートリアルはリポジトリの checkout 内で実行し、依存関係は `uv` の dependency group から取得します。`powercontext` パッケージには含まれません。リポジトリのルートで実行してください：
-
-```bash
-uv sync --locked --group notebooks
-uv run --locked --group notebooks jupyter lab --notebook-dir=examples/jupyter
-```
-
-まず [01 · Memory across sessions](examples/jupyter/01_memory_across_sessions.ipynb) を実行し、その後 [22 本の Jupyter チュートリアル（中国語）](examples/jupyter/README.md)で、Memory、コンテキストの準備、Handoff、Experience、Skill、実際の Agent を動かしながら学べます。
-最初の 7 本はモデルや API キーなしで実行できます。
-
-### よくある問題
-
-- `doctor codex` は Codex のインストールと接続を確認します。自動記憶を検証するには、実際の入力が Source になり、Topic が生成され、関連する入力で主題が変化し、同じ Scope を使う新しいセッションで想起できることを確認してください。
-- Python 依存関係のダウンロードが遅い、または失敗する場合は、[uv](https://docs.astral.sh/uv/configuration/indexes/) にパッケージインデックス（ミラー）を設定してから再試行してください。
-- 自動 Memory と Topic Memory を試すには **Full memory** を選択し、Generation と Embedding の API 接続を設定してください。Agent のサブスクリプションとは別の認証情報が必要です。**Basic memory** は追加のモデル API なしで明示的な保存・検索を利用できます。
-- seekdb のインストールが必要な場合、ウィザードが一度確認し、依存関係をバックグラウンドでインストールします。
-- オプションの想起十分性ゲートは、Scope ごとの 1 日あたりの検索量と予算超過を記録し、後からポリシー評価に使えます。記録範囲と失敗時の挙動は[設定リファレンス](docs/en/docs/operate/configuration.md)を参照してください。
-- Server が別のマシンにある場合は HTTPS を使用するか、[リモート接続ガイド](docs/en/docs/operate/connect-remote-server.md)に従ってください。セットアップはフラグや環境変数からリモート HTTP URL を認識し、明示的な同意を求めます。自動化されたセットアップでは `--allow-insecure-http` を使います。
-
 ## PowerContext とは何か？
 
 **PowerContext は、AI Agent 向けのオープンソース・コンテキストサービスです。** 作業のうち長く使う価値のある部分 —— 確定した判断、制約、根拠、進捗 —— を単一の会話の外に置きます。これにより、次のセッション、次の Agent、あるいは次の担当者が、記録をすべて読み返すのではなく現在の状態から続けられます。
@@ -202,6 +110,98 @@ Experience は、状況・行動・観察された結果・再利用可能な教
 
 評価手法、詳細な結果、適用範囲は[公式ベンチマークページ](https://powercontext.oceanbase.io/en/benchmarks/)を参照してください。隠すより書いておきたい注意点が 2 つあります。上記 6 件の LoCoMo Plus スコアはプロジェクト所有者から提供されたもので、検証用の実行成果物は公開されていません。公開されている再現手順は評価ハーネスの説明であり、これらのスコア自体の検証を意味するものではありません。また、Windows のサポートは `experimental` です。
 
+## クイックスタート
+
+PowerContext は、長く使うプロジェクトのコンテキストを 1 つの会話の外に保持します。最初の実行は次の流れです。
+
+```text
+Agent の入力 → Source の証拠 → Memory / Topic Memory → PreparedContext → 新しいセッションまたは Agent
+```
+
+PowerContext 1.3.0 には対話式セットアップウィザードが含まれています。Python 3.11+、Git、[uv](https://docs.astral.sh/uv/getting-started/installation/) が必要です。必要に応じて uv が Python を用意できます。Agent に接続するには、その CLI もインストールしてください。ウィザードでは、モデル API なしで明示的な保存と想起を試す場合は Basic memory、自動抽出を有効にする場合は Full memory を選択してください。Full memory には Generation と Embedding API の個別の認証情報が必要です。モデル API なしでローカル Server だけを起動する場合は[インストールと実行](docs/en/docs/get-started/install-and-run.md)を参照してください。macOS と Linux をサポートし、Windows のサポートは `experimental` です。
+
+目的に合う経路を選択してください：
+
+| 目的 | 選択 | 必要なもの |
+| --- | --- | --- |
+| 明示的な保存と想起を試す | **Basic memory** | CLI と Server。モデル API は不要 |
+| Source を自動処理し、Topic Memory やセマンティック検索を使う | **Full memory** | Generation と Embedding API の個別の認証情報。スケジュールと Scope ポリシーも適用されます |
+| Python で基本ワークフローを学ぶ | 最初の 7 本の Jupyter チュートリアル | リポジトリの checkout と `uv`。モデルや API キーは不要 |
+
+### 1. ウィザードをインストールして実行する
+
+```bash
+uv tool install --force "powercontext[cli,server]==1.3.0"
+mkdir -p powercontext-config && cd powercontext-config
+powercontext config init --language en --output .env
+powercontext config validate --env-file .env
+powercontext server run --env-file .env      # このターミナルは開いたままにする
+```
+
+ウィザードでは、ストレージ、ローカルまたはリモート利用、メモリ機能、Dashboard/アクセス制御、Agent 接続を選択します。最初は SQLite が簡単です。組み込み seekdb は必要な場合だけ選び、依存関係のインストールを許可してください。
+
+ウィザードは `.env` と `.env.next-steps.md` を生成します。これらのファイルには認証情報が含まれることがあるため、コミットしないでください。Server を起動したまま、別のターミナルで `powercontext-config` に戻り、生成された環境ファイルを読み込んで接続を確認します。
+
+```bash
+set -a
+. ./.env
+set +a
+powercontext ready
+powercontext capabilities
+```
+
+続いて `.env.next-steps.md` の手順に従い、Scope を作成して紐付けます。作成リクエストが返す実際の `scope_id` を使ってください。
+計画された `codex-...` タイトルは ID ではありません。ディレクトリを変えても分離は作られないため、Dashboard と Agent で同じ Server と
+Scope を使います。その後、対応するプラグインをインストールして新しい Agent セッションを起動します。[完全な手順](https://powercontext.oceanbase.io/en/docs/get-started/quickstart/)では、Codex と Claude Code、Dashboard へのログイン、SSH 転送、HTTPS の前提条件、確認可能な受け入れチェックを扱っています。対応する Codex のインストールは次のとおりです。
+
+```bash
+powercontext setup codex --ref powercontext-v1.3.0
+powercontext doctor codex
+```
+
+### 2. 最初のエンドツーエンド結果を確認する
+
+この確認では、PowerContext が役立つ流れを検証します：Source の取得 → バックグラウンド処理 → セッションをまたぐ想起。
+同じ Scope に紐付けた新しい Agent セッションで、次のような具体的な決定を送ります。
+
+```text
+Aurora の受け入れプロジェクトを設計しています。Python の依存関係には uv、設定には .env を使います。
+最初のデプロイは 1 台の Linux サーバーで行い、Mac から SSH トンネルで接続します。
+これらの制約を変えずに言い直してください。コードは変更しないでください。
+```
+
+Dashboard を有効にした場合は、ウィザードが表示した URL を開いてください。取得前に Dashboard が空なのは正常です。
+その後、次を確認します。
+
+1. 入力が Source として表示されること。
+2. 設定した検査間隔とモデル処理の後、関連する Topic Memory が現れること。
+3. 関連する更新を送り、新しい Source が入り、トピックの内容またはリビジョン履歴に反映されること。
+4. 同じ Scope で新しい Agent セッションを開始し、Aurora の決定を引用付きで探すこと。
+
+`doctor codex` はインストールと接続だけを確認します。Source の取得だけでは Memory や Topic Memory は作成されず、バックグラウンド処理には設定したスケジュールとモデルの実行が必要です。
+Basic memory では Agent に決定を明示的に保存させ、新しいセッションで検索してください。ただし、これは自動抽出の検証ではありません。
+
+### 3. Python で最初に試す
+
+チュートリアルはリポジトリの checkout 内で実行し、依存関係は `uv` の dependency group から取得します。`powercontext` パッケージには含まれません。リポジトリのルートで実行してください：
+
+```bash
+uv sync --locked --group notebooks
+uv run --locked --group notebooks jupyter lab --notebook-dir=examples/jupyter
+```
+
+まず [01 · Memory across sessions](examples/jupyter/01_memory_across_sessions.ipynb) を実行し、その後 [22 本の Jupyter チュートリアル（中国語）](examples/jupyter/README.md)で、Memory、コンテキストの準備、Handoff、Experience、Skill、実際の Agent を動かしながら学べます。
+最初の 7 本はモデルや API キーなしで実行できます。
+
+### よくある問題
+
+- `doctor codex` は Codex のインストールと接続を確認します。自動記憶を検証するには、実際の入力が Source になり、Topic が生成され、関連する入力で主題が変化し、同じ Scope を使う新しいセッションで想起できることを確認してください。
+- Python 依存関係のダウンロードが遅い、または失敗する場合は、[uv](https://docs.astral.sh/uv/configuration/indexes/) にパッケージインデックス（ミラー）を設定してから再試行してください。
+- 自動 Memory と Topic Memory を試すには **Full memory** を選択し、Generation と Embedding の API 接続を設定してください。Agent のサブスクリプションとは別の認証情報が必要です。**Basic memory** は追加のモデル API なしで明示的な保存・検索を利用できます。
+- seekdb のインストールが必要な場合、ウィザードが一度確認し、依存関係をバックグラウンドでインストールします。
+- オプションの想起十分性ゲートは、Scope ごとの 1 日あたりの検索量と予算超過を記録し、後からポリシー評価に使えます。記録範囲と失敗時の挙動は[設定リファレンス](docs/en/docs/operate/configuration.md)を参照してください。
+- Server が別のマシンにある場合は HTTPS を使用するか、[リモート接続ガイド](docs/en/docs/operate/connect-remote-server.md)に従ってください。セットアップはフラグや環境変数からリモート HTTP URL を認識し、明示的な同意を求めます。自動化されたセットアップでは `--allow-insecure-http` を使います。
+
 ## Agent と接続する
 
 Codex は `official`、他のメンテナンス対象ホストと Python Agent フレームワークは `community`、Bub は評価専用の `evaluation` です。これらは PowerContext 連携のメンテナンス主体と用途を示すタグです。どのホストが資格を満たしているか、対応機能と利用可能なバージョンは[機能一覧](https://powercontext.oceanbase.io/en/docs/integrations/capabilities/)に記載されています。