mirror of https://gitcode.com/JianFeeeee/TrulyMEM-TrueHumanMEM.git synced 2026-09-20 08:58:15 +00:00

Files

JianFeeeee 9a12d3ac36 update: 更新文件 README.md

Signed-off-by: JianFeeeee <2198972886@qq.com>

2026-04-13 09:30:35 +08:00

6.3 KiB

Raw Blame History

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。

让 AI 拥有自知、可塑、有分寸感的长期记忆

The More Human Choice.

简介

TrulyMEM (TrueHumanMEM) 是一个让 AI 拥有长期记忆能力的图记忆系统。通过 SQLite 内嵌图数据库存储实体关系，让 AI 能够像人类一样记忆、回忆和管理信息。

核心特性

🧠 长期记忆 - 基于 SQLite 图数据库的持久化存储，开箱即用
🎭 人设图机制 - AI 角色保持和角色扮演支持
🔗 工作记忆链 - 维持对话连贯性的任务跟踪机制
🖥️ 现代化 TUI - 基于 Textual 框架的终端用户界面，键盘驱动
💾 内嵌数据库 - SQLite 实现，无需 Docker/Neo4j
📦 独立部署 - 支持打包为独立可执行文件
🌍 跨平台 - 支持 Windows/Linux/macOS
🔌 后端独立 - 后端可脱离 UI 独立运行
该项目最核心的机制在于，一切皆图。llm推理时产生与需要读取的一切数据，均以三元组的形式存储在图数据库中，即“起始节点”，“关系”，“目标节点”。这为llm提供了一整套可记录可溯源的关系存储机制。相较传统messages数组上下文，显著提高了模型输入的质量，更加充分的利用了模型有限的上文空间。同时也保证了模型的上下文消息不会随着聊天轮次的叠加逐渐膨胀，最终触发记忆压缩或滑动窗口机制，造成记忆的废弃。从根本上解决模型的长期记忆问题，为llm记忆存储提供了新范式

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！

架构设计

核心原则

后端独立: BackendServer 可脱离 UI 独立运行
数据包通信: 所有通信使用 Packet 格式 {id, type, body}
多线程: 后端在独立线程处理请求
UI 简化: UI 仅负责输入和显示

数据包协议

@dataclass
class Packet:
    id: str           # 包ID，用于识别
    type: PacketType  # MESSAGE | CONFIG | TOOL | STATUS | HISTORY
    body: Dict         # 包体

项目结构

TrulyMEM-TrueHumanMEM/
├── trulymem_entry.py    # 入口
├── core/               # 后端（独立运行）
│   ├── __init__.py    # BackendServer, BackendClient, Packet
│   ├── embedded_db.py # SQLite 图数据库
│   ├── graph_client.py # LLM 客户端
│   └── tools/         # 工具定义
├── ui/               # TUI 显示层
│   ├── app.py        # 主应用
│   ├── widgets/     # UI 组件
│   └── models/       # 数据模型
└── tests/            # 测试 (37 tests)

启动流程

# 1. 加载配置
from ui.services.config_service import ConfigService
config_service = ConfigService(config_file="config.json")
config = config_service.get_config()

# 2. 创建后端
server = BackendServer(db_path="graph_memory.db", use_embedded_db=True)
server.start(api_key=config.api_key, base_url=config.base_url)

# 3. 创建UI（可选，后端可独立使用）
app = GraphMemoryApp(backend_server=server, config_service=config_service)
app.run()

# 或直接使用后端
client = BackendClient(server)
result = client.process_message("hello")

功能说明

记忆管理工具

工具	功能	说明
`memory_recall`	检索记忆	根据意图查询相关记忆
`memory_commit`	写入记忆	将信息存储为图结构
`memory_purge`	删除记忆	删除过期或错误信息
`memory_introspect`	查看状态	查看记忆系统状态
`memory_archive`	归档记忆	归档旧记忆
`memory_cleanup`	清理数据	清理无效数据

人设工具

工具	功能	说明
`persona_update`	更新人设	修改 AI 的角色、性格、语气
`persona_clear`	清除人设	恢复默认身份

任务工具（工作记忆链）

工具	功能	说明
`task_create`	创建任务	跟踪连续性任务
`task_set_state`	设置状态	更新任务状态
`task_delete`	删除任务	清理完成任务
`task_link_info`	关联信息	连接任务与记忆

快捷键

快捷键	功能
F1	帮助
F2	切换侧边栏
F3	工具详情
F5	清屏
F6	退出

测试

pytest tests/

37 个测试用例覆盖：

数据包协议
后端初始化/启动/关闭
客户端方法
配置管理
消息历史
UI 组件
集成测试

技术栈

Python 3.8+ - 编程语言
Textual - TUI 框架
SQLite - 内嵌图数据库
OpenAI SDK - API 调用（兼容 DeepSeek）
threading - 多线程通信
queue - 线程安全队列

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。

⚠️ 使用本项目即表示您同意：

可以自由使用、修改和分发

必须保留版权声明和许可证

修改后的作品必须以 GPLv3 许可证发布

必须提供源代码

特别鸣谢

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

6.3 KiB Raw Blame History Unescape Escape