12 KiB
12 KiB
记忆图系统 (Memory Graph System)
多层次、多模态的智能记忆管理框架
📚 系统概述
MoFox 记忆系统是一个受人脑记忆机制启发的完整解决方案，包含三个核心组件：
| 组件 | 功能 | 用途 |
|---|---|---|
| 三层记忆系统 | 感知/短期/长期记忆 | 处理消息、提取信息、持久化存储 |
| 记忆图系统 | 基于图的知识库 | 管理实体关系、记忆演变、智能检索 |
| 兴趣值系统 | 动态兴趣计算 | 根据用户兴趣调整对话策略 |
🎯 核心特性
三层记忆系统 (Unified Memory Manager)
- 感知层: 消息块缓冲，TopK 激活检测
- 短期层: 结构化信息提取，智能决策合并
- 长期层: 知识图存储，关系网络，激活度传播
记忆图系统 (Memory Graph)
- 图结构存储: 使用节点-边模型表示复杂记忆关系
- 语义检索: 基于向量相似度的智能记忆搜索
- 自动整合: 定期合并相似记忆，减少冗余
- 智能遗忘: 基于激活度的自动记忆清理
- LLM集成: 提供工具供AI助手调用
兴趣值系统 (Interest System)
- 动态计算: 根据消息实时计算用户兴趣
- 主题聚类: 自动识别和聚类感兴趣的话题
- 策略影响: 影响对话方式和内容选择
<EFBFBD> 快速开始
方案 A: 三层记忆系统 (推荐新用户)
最简单的方式，自动处理消息流和记忆演变：
# config/bot_config.toml
[three_tier_memory]
enable = true
data_dir = "data/memory_graph/three_tier"
from src.memory_graph.unified_manager_singleton import get_unified_manager
# 添加消息（自动处理）
unified_mgr = await get_unified_manager()
await unified_mgr.add_message(
content="用户说的话",
sender_id="user_123"
)
# 跨层搜索记忆
results = await unified_mgr.search_memories(
query="搜索关键词",
top_k=5
)
特点：自动转移、智能合并、后台维护
方案 B: 记忆图系统 (高级用户)
直接操作知识图，手动管理记忆：
# config/bot_config.toml
[memory]
enable = true
data_dir = "data/memory_graph"
from src.memory_graph.manager_singleton import get_memory_manager
manager = await get_memory_manager()
# 创建记忆
memory = await manager.create_memory(
subject="用户",
memory_type="偏好",
topic="喜欢晴天",
importance=0.7
)
# 搜索和操作
memories = await manager.search_memories(query="天气", top_k=5)
node = await manager.create_node(node_type="person", label="用户名")
edge = await manager.create_edge(
source_id="node_1",
target_id="node_2",
relation_type="knows"
)
特点：灵活性高、控制力强
同时启用两个系统
推荐的生产配置：
[three_tier_memory]
enable = true
data_dir = "data/memory_graph/three_tier"
[memory]
enable = true
data_dir = "data/memory_graph"
[interest]
enable = true
<EFBFBD> 核心配置
三层记忆系统
[three_tier_memory]
enable = true
data_dir = "data/memory_graph/three_tier"
perceptual_max_blocks = 50 # 感知层最大块数
short_term_max_memories = 100 # 短期层最大记忆数
short_term_transfer_threshold = 0.6 # 转移到长期的重要性阈值
long_term_auto_transfer_interval = 600 # 自动转移间隔(秒)
记忆图系统
[memory]
enable = true
data_dir = "data/memory_graph"
search_top_k = 5 # 检索数量
consolidation_interval_hours = 1.0 # 整合间隔
forgetting_activation_threshold = 0.1 # 遗忘阈值
兴趣值系统
[interest]
enable = true
max_topics = 10 # 最多跟踪话题
time_decay_factor = 0.95 # 时间衰减因子
update_interval = 300 # 更新间隔(秒)
完整配置参考:
- 📖 MEMORY_SYSTEM_OVERVIEW.md - 详细配置说明
- 📖 MEMORY_SYSTEM_QUICK_REFERENCE.md - 快速参考表
📚 文档导航
快速入门
- 🔥 快速参考卡 - 常用命令和快速查询（5分钟）
用户指南
开发指南
学习路径
新手用户 (1小时):
-
- 阅读本 README (5分钟)
-
- 查看快速参考卡 (5分钟)
-
- 运行快速开始示例 (10分钟)
-
- 阅读完整系统指南的使用部分 (30分钟)
-
- 在插件中集成记忆 (10分钟)
开发者 (3小时):
-
- 快速入门 (1小时)
-
- 阅读三层记忆指南 (20分钟)
-
- 阅读记忆图指南 (20分钟)
-
- 阅读开发者指南 (60分钟)
-
- 实现自定义记忆类型 (20分钟)
贡献者 (8小时+):
-
- 完整学习所有指南 (3小时)
-
- 研究源代码 (2小时)
-
- 理解图算法和向量运算 (1小时)
-
- 实现高级功能 (2小时)
-
- 编写测试和文档 (ongoing)
✅ 开发状态
三层记忆系统 (Phase 3)
- 感知层实现
- 短期层实现
- 长期层实现
- 自动转移和维护
- 集成测试
记忆图系统 (Phase 2)
- 插件系统集成
- 提示词记忆检索
- 定期记忆整合
- 配置系统支持
- 集成测试
兴趣值系统 (Phase 2)
- 基础计算框架
- 组件管理器
- AFC 策略集成
- 高级聚类算法
- 趋势分析
📝 计划优化
- 向量检索性能优化 (FAISS集成)
- 图遍历算法优化
- 更多LLM工具示例
- 可视化界面
📊 系统架构
┌─────────────────────────────────────────────────────────────────┐
│ 用户消息/LLM 调用 │
└────────────────────────────┬────────────────────────────────────┘
│
┌────────────────────┼────────────────────┐
│ │ │
▼ ▼ ▼
┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐
│ 三层记忆系统 │ │ 记忆图系统 │ │ 兴趣值系统 │
│ Unified Manager │ │ MemoryManager │ │ InterestMgr │
└────────┬─────────┘ └────────┬─────────┘ └────────┬─────────┘
│ │ │
┌────┴─────────────────┬──┴──────────┬────────┴──────┐
│ │ │ │
▼ ▼ ▼ ▼
┌─────────┐ ┌────────────┐ ┌──────────┐ ┌─────────┐
│ 感知层 │ │ 向量存储 │ │ 图存储 │ │ 兴趣 │
│Percept │ │Vector Store│ │GraphStore│ │计算器 │
└────┬────┘ └──────┬─────┘ └─────┬────┘ └─────────┘
│ │ │
▼ │ │
┌─────────┐ │ │
│ 短期层 │ │ │
│Short │───────────────┼──────────────┘
└────┬────┘ │
│ │
▼ ▼
┌─────────────────────────────────┐
│ 长期层/记忆图存储 │
│ ├─ 向量索引 │
│ ├─ 图数据库 │
│ └─ 持久化存储 │
└─────────────────────────────────┘
三层记忆流向: 消息 → 感知层(缓冲) → 激活检测 → 短期层(结构化) → 长期层(图存储)
<EFBFBD> 常见场景
场景 1: 记住用户偏好
# 自动处理 - 三层系统会自动学习
await unified_manager.add_message(
content="我喜欢下雨天",
sender_id="user_123"
)
# 下次对话时自动应用
memories = await unified_manager.search_memories(
query="天气偏好"
)
场景 2: 记录重要事件
# 显式创建高重要性记忆
memory = await memory_manager.create_memory(
subject="用户",
memory_type="事件",
topic="参加了一个重要会议",
content="详细信息...",
importance=0.9 # 高重要性，不会遗忘
)
场景 3: 建立关系网络
# 创建人物和关系
user_node = await memory_manager.create_node(
node_type="person",
label="小王"
)
friend_node = await memory_manager.create_node(
node_type="person",
label="小李"
)
# 建立关系
await memory_manager.create_edge(
source_id=user_node.id,
target_id=friend_node.id,
relation_type="knows",
weight=0.9
)
🧪 测试和监测
运行测试
# 集成测试
python -m pytest tests/test_memory_graph_integration.py -v
# 三层记忆测试
python -m pytest tests/test_three_tier_memory.py -v
# 兴趣值系统测试
python -m pytest tests/test_interest_system.py -v
查看统计
from src.memory_graph.manager_singleton import get_memory_manager
manager = await get_memory_manager()
stats = await manager.get_statistics()
print(f"记忆总数: {stats['total_memories']}")
print(f"节点总数: {stats['total_nodes']}")
print(f"平均激活度: {stats['avg_activation']:.2f}")
🔗 相关资源
核心文件
src/memory_graph/unified_manager.py- 三层系统管理器src/memory_graph/manager.py- 记忆图管理器src/memory_graph/models.py- 数据模型定义src/chat/interest_system/- 兴趣值系统config/bot_config.toml- 配置文件
相关系统
🐛 故障排查
常见问题
Q: 记忆没有转移到长期层？
A: 检查短期记忆的重要性是否 ≥ 0.6，或查看 short_term_transfer_threshold 配置
Q: 搜索不到记忆？
A: 检查相似度阈值设置，尝试降低 search_similarity_threshold
Q: 系统占用磁盘过大？
A: 启用更积极的遗忘机制，调整 forgetting_activation_threshold
🤝 贡献
欢迎提交 Issue 和 PR！
贡献指南
- Fork 项目
- 创建功能分支 (
git checkout -b feature/amazing-feature) - 提交更改 (
git commit -m 'Add amazing feature') - 推送到分支 (
git push origin feature/amazing-feature) - 开启 Pull Request
📞 获取帮助
- 📖 查看文档: 完整指南
- 💬 GitHub Issues: 提交 bug 或功能请求
- 📧 联系团队: 通过官方渠道
📄 License
MIT License - 查看 LICENSE 文件
MoFox Bot - 更智能的记忆管理
更新于: 2025年12月13日 | 版本: 2.0