2aa6e9240f
- 新增 context_rewrite 工具：允许 AI 在单轮内压缩工具调用上下文 - 清理 persona_query_max 和 task_query_max 死配置（commit 9be60ba 引入） - 同步全栈：后端/前端/文档/测试 18 个文件 - 测试：70/70 通过
4.1 KiB
TrulyMEM - TrueHumanMEM
📜 开源协议: GNU General Public License v3.0 (GPLv3)
本项目自由开源，可自由使用、修改和分发，但修改后的作品必须以相同许可证发布。
English: Switch to English version
让 AI 拥有自知、可塑、有分寸感的长期记忆
The More Human Choice.
⚠️ 当前分支:
test— 测试分支，用于测试实验性功能。此处代码可能不稳定，不应用于生产环境。稳定版本请参阅main分支。
故事的开头
行业普遍认为，LLM 海量参数让其涌现了智能。但这个智能是「死的」——它不会真的记住，也不理解「记住」的概念。它输出的一切，都是当前输入的全部文本经历无数次前向传播计算出的概率最优解。LLM 不会因为某次对话意识到错误而去修正权重，也无法因此针对模型进行一次反向传播。它的意识是被冻结的，展现出的智能只是冻结的意识的回响。
现在的所谓记忆系统，只是将记忆外化，让「系统」去替 LLM 记住。或者就是粗暴地将一切上下文文本丢给 LLM。这就是对模型输入的浪费。
TrulyMEM 想，既然 LLM 无法实时纠正模型权重，为什么不把记忆权交还给 LLM 呢？
我们提供一系列机制，让 LLM 决定它要记住什么、遗忘，什么是重点、什么是糟粕。LLM 推理的过程，就是思考的过程，也是回忆的过程。完全摒弃传统的 messages 数组上下文，将全部记忆以**三元组（图）**的形式保存在图数据库中。在 LLM 思考时，可以按照图数据库的链接自主跳转、联想相关关系，让 LLM 自然地实现联想与回忆。
赋予 LLM 真正的记忆。
快速开始
方式一：打包后的可执行文件
# Windows: TrulyMEM.exe
# Linux/macOS: TrulyMEM
chmod +x TrulyMEM
./TrulyMEM
方式二：从源码运行
git clone <repo-url>
cd TrulyMEM-TrueHumanMEM
pip install -r requirements.txt
python trulymem_entry.py
配置
- 按 F2 展开侧边栏
- 输入 API Key（支持 DeepSeek、OpenAI 等兼容 API）
- 按 Enter 保存配置
- 开始对话！
文档索引
详细技术文档请参阅 docs/zh/ 目录：
| 文档 | 内容 |
|---|---|
| docs/zh/architecture.md | 系统架构和技术设计 |
| docs/zh/quick_start.md | 完整启动指南与配置说明 |
| docs/zh/memory.md | 内部记忆工作机制 |
| docs/zh/persona.md | 人设图机制 |
| docs/zh/working_memory.md | 连续性任务处理机制 |
| docs/zh/api.md | 后端 API 接口（供扩展开发） |
| docs/zh/prompts.md | 提示词管理模块 |
贡献
欢迎提交 Issue 和 Pull Request！
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 创建 Pull Request
许可证
本项目采用 GNU General Public License v3.0 (GPLv3) 许可证开源。
详见 LICENSE 文件。
特别鸣谢
- Prof. Meiting Wang — 学术指导
- 逝水秋生白 — 架构支持
- anzhitinglan — 测试资源支持
- 崔莉萍老师 — 理论指导
- Annie — 专业指导
- 王梓沣、马悦华、隆梦婷 — 神经科学理论支持