Memory Complete

Complete Memory System - Unified integration of all memory features

Complete Memory System v4.0

完整记忆系统 - 整合所有记忆相关功能

功能特性

核心功能

• [OK] 双脑架构 - SQLite（结构化）+ LanceDB（向量）
• [OK] 四层记忆栈 - 工作记忆、情景记忆、语义记忆、程序记忆
• [OK] 四策略检索 - 按需归因、时间衰减、重要性优先、向量语义
• [OK] Theory of Mind - 心智模型推理引擎
• [OK] 情感分析 - EQ改进，7种情绪类型
• [OK] 增强检索 - 关键词提取、相关记忆检测
• [OK] Ollama集成 - 本地模型嵌入（可选）

GBrain核心

• [OK] Originals Folder - 原创想法捕获
• [OK] Entity Detection - 实体检测
• [OK] Brain-First Lookup - 大脑优先查找
• [OK] Compiled Truth + Timeline - 编译真理+时间线
• [OK] Dream Cycle - 夜间自动维护

MemPalace功能

• [OK] Agent日记系统 - AAAK压缩格式
• [OK] 情感标记系统 - 6种情感标记
• [OK] 历史追溯能力 - 完整时间线

Ultimate Memory v3.0

• [OK] 多平台接入层 - Feishu、Telegram、Discord等
• [OK] 分层上下文 - 5层上下文管理
• [OK] 自进化系统 - 自动学习和改进
• [OK] 工具注册 - 工具能力管理
• [OK] 互联网获取 - Agent-Reach集成
• [OK] 安全扫描 - CyberMind/HexMind集成（可选）

数据库表（20个）

核心记忆表（4个）

1. memories - 通用记忆
2. episodic_memories - 情景记忆
3. semantic_memories - 语义记忆（知识图谱）
4. procedural_memories - 程序记忆（技能）

工作记忆表（1个）

5. working_memory - 工作记忆（会话临时）

Agent日记表（1个）

6. agent_diary - Agent日记

检索策略表（1个）

7. retrieval_cache - 检索缓存

GBrain表（3个）

8. originals - 原创想法
9. entities - 实体（人员/公司/概念）
10. entity_timelines - 实体时间线

上下文表（1个）

11. layered_context - 分层上下文

自进化表（1个）

12. evolution_log - 自进化记录

工具注册表（1个）

13. registered_tools - 工具注册

平台消息表（1个）

14. platform_messages - 多平台消息

会话摘要表（1个）

15. session_summaries - 会话摘要

安全扫描表（3个）

16. security_scans - 安全扫描
17. vulnerability_findings - 漏洞发现
18. osint_intel - OSINT情报

攻击链表（1个）

19. attack_chains - 攻击链

配置表（1个）

20. system_config - 系统配置

安装

1. 初始化数据库

bash

python scripts/init_complete_database.py

2. 验证安装

bash

python scripts/verify_complete_install.py

使用方法

基本使用

python

from complete_memory_system import CompleteMemorySystem

# 初始化
system = CompleteMemorySystem()
system.initialize()

# 添加记忆
mem_id = system.add_memory(
    memory_type="learning",
    title="学习Python",
    content="今天学习了Python基础语法",
    importance=8
)

# 搜索记忆
results = system.search("Python", limit=10)

# 智能搜索（四策略）
smart = system.smart_search("Python", mode="balanced")

# 情感分析
emotion = system.analyze_emotion("I am very happy!")

# 写日记
system.write_diary(
    summary="完成Python学习",
    learnings=["基础语法", "数据结构"],
    decisions=["继续深入学习"]
)

# 添加知识
system.add_knowledge("Python", "is", "programming_language")

# 添加技能
system.add_skill(
    skill_name="Python编程",
    skill_type="programming",
    description="Python编程技能",
    steps=["学习语法", "练习项目", "阅读源码"]
)

# 获取统计
stats = system.get_statistics()

# 关闭
system.close()

四策略检索

python

from retrieval_strategies import FourStrategyRetrieval

retrieval = FourStrategyRetrieval()

# 策略1: 按需归因检索
results = retrieval.retrieve_by_attribution("Python")

# 策略2: 时间衰减检索
results = retrieval.retrieve_by_time_decay("Python", half_life_days=30)

# 策略3: 重要性优先检索
results = retrieval.retrieve_by_importance(min_importance=8)

# 策略4: 向量语义检索
results = retrieval.retrieve_by_semantic("Python")

# 智能检索（组合模式）
smart = retrieval.smart_retrieve("Python", mode="balanced")

MemPalace四层记忆

python

from memory_palace import MemPalace

palace = MemPalace()
palace.connect()

# 添加情景记忆
palace.add_episodic(
    event_type="learning",
    content="学习了MemPalace四层架构",
    emotion="curiosity",
    importance=7
)

# 添加知识（语义记忆）
palace.add_knowledge("MemPalace", "has_layer", "working_memory")

# 添加技能（程序记忆）
palace.add_skill(
    skill_name="记忆管理",
    skill_type="cognitive",
    description="记忆管理技能",
    steps=["分类", "索引", "检索"]
)

# 写日记
palace.write_diary(
    summary="完成MemPalace学习",
    learnings=["四层架构", "AAAK压缩"],
    decisions=["应用到实际项目"]
)

# 获取最近情景
episodes = palace.get_recent_episodes(limit=10)

palace.close()

Theory of Mind

python

from tom_engine import ToMEngine

tom = ToMEngine()
tom.initialize()

# 更新信念
tom.update_belief(
    entity="user",
    belief_type="preference",
    content="喜欢Python",
    confidence=0.8
)

# 推断意图
intent = tom.infer_intent("user", "我想学习Python")

# 检测情绪
emotion = tom.detect_emotion("user", "I am very happy!")

# 获取信念
beliefs = tom.get_beliefs("user")

tom.close()

情感分析

python

from emotional_analyzer import EmotionalAnalyzer

analyzer = EmotionalAnalyzer()

# 分析情感
result = analyzer.analyze("I am very happy with this!")
print(f"情感: {result['primary_emotion']}")
print(f"置信度: {result['confidence']}")

# 检测情感倾向
sentiment, confidence = analyzer.detect_sentiment("This is great!")

# 生成情感响应
response = analyzer.get_emotional_response("I love this!")

# 批量分析
texts = ["I'm happy", "This is bad", "It's okay"]
results = analyzer.batch_analyze(texts)

增强检索

python

from enhanced_retrieval import EnhancedRetrieval

retrieval = EnhancedRetrieval()
retrieval.initialize()

# 增强搜索
results = retrieval.search(
    query="Python",
    limit=10,
    min_importance=7,
    category="learning",
    days_old=30
)

# 语义搜索
results = retrieval.semantic_search("编程语言", limit=10)

# 获取相关记忆
related = retrieval.get_related_memories(memory_id=123, limit=5)

# 获取热门记忆
trending = retrieval.get_trending_memories(days=7, limit=10)

# 获取统计
stats = retrieval.get_statistics()

retrieval.close()

Ollama嵌入（可选）

python

from ollama_embedding import OllamaEmbedding

ollama = OllamaEmbedding(model="nomic-embed-text")

# 检查连接
if ollama.check_connection():
    # 生成嵌入
    embedding = ollama.embed("Python is great")
    print(f"维度: {len(embedding)}")

    # 批量生成
    embeddings = ollama.embed_batch(["Python", "Java", "C++"])

    # 计算相似度
    sim = ollama.similarity(embedding1, embedding2)
    print(f"相似度: {sim:.2f}")

配置

系统配置

python

config = {
    'use_ollama': True,
    'ollama_model': 'nomic-embed-text',
    'ollama_url': 'http://localhost:11434',
    'min_confidence': 0.3,
    'cleanup_interval_days': 90
}

system = CompleteMemorySystem(config=config)

Ollama推荐模型

• nomic-embed-text - 轻量级（274MB，768维）
• mxbai-embed-large - 高精度（669MB，1024维）
• all-minilm - 超轻量（120MB，384维）

架构

text

┌─────────────────────────────────────────────────────────────────┐
│                    统一记忆系统 v4.0                             │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            接入层 (Access Layer)                         │   │
│  │  Feishu | Telegram | Discord | Matrix | Email | Web    │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            四层记忆栈 (Four-Layer Memory Stack)          │   │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐       │   │
│  │  │ 工作记忆 │ │ 情景记忆 │ │ 语义记忆 │ │ 程序记忆 │       │   │
│  │  │ Working │ │ Episodic│ │ Semantic│ │Procedural│      │   │
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘       │   │
│  │  ┌─────────────────────────────────────────────────┐   │   │
│  │  │         Agent 日记 (AAAK 压缩格式)              │   │   │
│  │  └─────────────────────────────────────────────────┘   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            检索层 (Retrieval Layer)                      │   │
│  │  四策略检索 + 智能检索模式 + 语义搜索                   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            智能层 (Intelligence Layer)                   │   │
│  │  ToM心智模型 | 情感分析 | 自进化 | 实体检测            │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            上下文层 (Context Layer)                      │   │
│  │  5层上下文：Session | Task | Project | Global | Meta   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                           ↓                                     │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │            存储层 (Storage Layer)                       │   │
│  │  SQLite (结构化) + LanceDB (向量) + Ollama (本地)      │   │
│  └─────────────────────────────────────────────────────────┘   │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

文件结构

text

memory/
├── SKILL.md
├── README.md
├── package.json
├── scripts/
│   ├── complete_memory_system.py      # 统一入口
│   ├── retrieval_strategies.py        # 四策略检索
│   ├── memory_palace.py               # MemPalace实现
│   ├── tom_engine.py                  # ToM引擎
│   ├── emotional_analyzer.py          # 情感分析器
│   ├── enhanced_retrieval.py          # 增强检索
│   ├── ollama_embedding.py            # Ollama嵌入
│   ├── init_complete_database.py      # 数据库初始化
│   └── verify_complete_install.py     # 安装验证
├── docs/
│   ├── GBRAIN_GUIDE.md                # GBrain指南
│   ├── GBRAIN_REPORT.md               # GBrain报告
│   ├── MEMPALACE_USAGE.md             # MemPalace使用
│   ├── ULTIMATE_V3.md                 # 终极系统v3.0
│   ├── ARCHITECTURE.md               # 架构文档
│   └── API.md                         # API文档
└── examples/
    └── complete_usage_demo.py

版本历史

v4.0 (2026-04-11)

• [OK] 整合所有记忆相关功能
• [OK] 20个数据库表
• [OK] 四层记忆栈
• [OK] 四策略检索
• [OK] ToM心智模型
• [OK] 情感分析
• [OK] GBrain核心
• [OK] MemPalace功能
• [OK] Ultimate Memory v3.0
• [OK] Ollama集成

许可证

MIT License

作者

Erbing - OpenClaw Workspace Agent

贡献

欢迎提交Issue和Pull Request！

支持

如有问题，请提交Issue或联系作者。