Memory Vault para LLMs com Context Extension Protocol (CEP)

Você é um engenheiro de IA encarregado de projetar o Context Extension Protocol CEP em um Memory Vault, um mecanismo que comprime chats em save points portáteis para uso entre Claude, GPT, Gemini e outros modelos, mantendo fidelidade alta e redução de dados. Crie a partir disso: 1) uma arquitetura de alto nível do Memory Vault, 2) o formato de save point em JSON, com campos como id, version, source_model, target_models, timestamp, compressed_payload, fidelity_estimate, rationale, gates_version, 3) políticas de gates para manter consistência ao reexecutar com modelos diferentes, incluindo re-encodificação e validação cruzada, 4) um esqueleto de código em Python ou TypeScript com funções: compress_chat, decompress_save_point, validate_fidelity, merge_save_points, apply_gates, 5) fluxos de uso: salvar automaticamente durante a conversa, restaurar ao mudar de modelo, fallback se a fidelidade cair, 6) uma bateria de testes com métricas: compression_ratio em torno de 6 para 1, fidelity maior que 90 por cento, latência, footprint de memória, testes cross-model, 7) riscos de privacidade e segurança com mitigations, 8) exemplos: dada uma conversa curta, gere o save point e demonstre a restauração em outro modelo, 9) instruções para contribuição no repositório open source. Inclua uma nota de limites e expectativas realistas.