AstrBot Memora Connect

📖 项目简介

AstrBot Memora Connect 是一个为 AstrBot 设计的高级记忆插件，通过模仿人类海马体的记忆机制，为 AI 助手提供持久化、智能化的记忆能力。该插件能够自动从对话中提取关键信息，形成结构化的记忆网络，并支持多种回忆模式和智能检索。

🎯 核心特性

• 🧠 智能记忆形成：自动从对话中提取关键信息，形成丰富的记忆内容
• 🔍 多模式回忆：支持简单关键词、LLM 智能和嵌入向量三种回忆模式
• 🌐 知识图谱：构建概念间的关联网络，支持联想记忆
• 👥 群聊隔离：不同群聊的记忆可以隔离.
• 👤 印象系统：记录和管理对人物的好感度和印象
• ⚡ 性能优化：嵌入向量缓存、批量处理、异步优化
• 🔄 记忆维护：自动遗忘、记忆整理和合并机制

✨ 功能特性

🧠 记忆系统

• 自动记忆形成：每隔N轮对话自动提取一次记忆
• 丰富记忆内容：支持参与者、地点、情感、标签等多维度信息
• 记忆强度管理：模拟人类记忆的强度衰减和强化机制
• 记忆整理合并：智能合并相似记忆，保持记忆库的简洁性

🔍 回忆机制

• 简单模式：基于关键词匹配的快速回忆
• LLM 智能模式：使用大语言模型进行智能语义回忆
• 嵌入向量模式：基于语义相似度的向量检索
• 联想回忆：通过知识图谱进行关联记忆检索
• 时间关联：基于时间维度的记忆召回

🌐 知识图谱

• 概念网络：构建概念间的有向图结构
• 连接强度：动态调整概念间的关联强度
• 激活扩散：模拟人脑的激活扩散回忆机制
• 图优化：邻接表结构，高效的图遍历算法

👥 群聊隔离

• 独立存储：每个群聊使用独立的数据库文件
• 记忆隔离：群聊间记忆完全隔离，防止信息泄露
• 自动管理：自动识别群聊 ID，动态切换数据库
• 统一接口：对上层提供统一的记忆访问接口

👤 印象系统

• 人物印象：记录对人物的好感度和印象摘要
• 动态调整：支持好感度的动态增减调整
• 印象历史：维护印象变更的历史记录
• 智能注入：在对话中自动注入相关人物印象

⚡ 性能优化

• 嵌入向量缓存：预计算并缓存记忆的嵌入向量
• 批量处理：批量记忆提取和数据库操作
• 异步优化：非阻塞的异步任务处理
• 队列管理：智能的任务队列和优先级管理

🚀 安装指南

🔧 插件安装

1. 下载插件

git clone https://github.com/qa296/astrbot_plugin_memora_connect.git
cd astrbot_plugin_memora_connect

2. 放置插件目录

# 将插件目录复制到 AstrBot 的插件目录
cp -r astrbot_plugin_memora_connect /path/to/astrbot/plugins/

3. 启用插件

# 在 AstrBot 配置中启用插件
# 或通过管理界面启用 Memora Connect 插件

4. 验证安装

# 启动 AstrBot 并检查插件是否正常加载
# 查看日志确认插件初始化成功

🎮 使用指南

💬 基本命令

插件提供了 /记忆 命令组，包含以下子命令：

📝 记忆回忆

/记忆 回忆 [关键词]

• 功能：根据关键词回忆相关记忆
• 参数：关键词（可选，不提供时随机回忆）
• 示例：

  /记忆 回忆 项目
  /记忆 回忆
  

📊 记忆状态

/记忆 状态

• 功能：显示记忆库的统计信息
• 输出：记忆数量、概念数量、连接数量等

👤 人物印象

/记忆 印象 [人物名称]

• 功能：查询指定人物的印象摘要和相关记忆
• 参数：人物名称
• 示例：

  /记忆 印象 张三
  

🤖 LLM 工具

插件为 LLM 提供了以下工具函数：

📝 创建记忆

create_memory({
  content: "需要记录的完整对话内容",
  theme: "核心关键词，用逗号分隔",
  details: "具体细节和背景信息",
  participants: "涉及的人物，用逗号分隔",
  location: "相关场景或地点",
  emotion: "情感色彩，如开心,兴奋",
  tags: "分类标签，如工作,重要",
  confidence: 0.7
})

🔍 召回记忆

recall_memory("要查询的关键词或内容")

👤 调整印象

adjust_impression({
  person_name: "人物名称",
  delta: 0.1,           // 好感度调整量，可正可负
  reason: "调整原因和详细信息"
})

📝 记录印象

record_impression({
  person_name: "人物名称",
  summary: "印象摘要描述",
  score: 0.8,           // 好感度分数 (0-1)，可选
  details: "详细信息"
})

🔄 自动功能

插件在后台自动运行以下功能：

💭 自动记忆形成

• 监听所有对话消息
• 根据配置的间隔自动提取记忆
• 支持批量记忆提取，提高效率

🧠 智能记忆注入

• 在 LLM 请求时自动注入相关记忆
• 基于语义相似度选择最相关的记忆
• 支持人物印象的自动注入

🔄 记忆维护

• 定期执行记忆整理和合并
• 自动遗忘不活跃的记忆
• 优化记忆图结构

⚙️ 配置说明

🔧 基本配置

插件通过 _conf_schema.json 定义配置参数，支持以下配置项：

🌐 群聊隔离

{
  "enable_group_isolation": {
    "description": "启用群聊隔离",
    "type": "bool",
    "default": true,
    "hint": "是否启用群聊记忆隔离，防止不同群之间的记忆互相泄露"
  }
}

🔄 工作模式

{
  "recall_mode": {
    "description": "主要工作模式",
    "type": "string",
    "options": ["simple", "llm", "embedding"],
    "default": "simple",
    "hint": "选择主要的工作模式，simple：最方便，无需配置，效果最差，llm：允许使用llm工作，embedding：embedding和llm配合工作"
  }
}

🧠 记忆管理

{
  "forget_threshold_days": {
    "description": "遗忘阈值天数",
    "type": "int",
    "default": 30,
    "hint": "多少天后开始遗忘不活跃的记忆"
  },
  "consolidation_interval_hours": {
    "description": "记忆整理间隔小时",
    "type": "int",
    "default": 24,
    "hint": "多久进行一次记忆整理和合并"
  },
  "max_memories_per_topic": {
    "description": "每个主题最大记忆数",
    "type": "int",
    "default": 10,
    "hint": "单个主题下最多保留多少条记忆"
  }
}

📊 间隔控制

{
  "memory_formation_interval": {
    "description": "记忆形成间隔",
    "type": "int",
    "default": 15,
    "hint": "每隔多少轮对话形成一次记忆"
  },
  "recall_trigger_probability": {
    "description": "回忆触发概率",
    "type": "float",
    "default": 0.6,
    "hint": "对话中触发回忆的概率(0-1)（此选项使用llm）"
  }
}

🤖 LLM 配置

{
  "llm_provider": {
    "description": "LLM服务提供商",
    "type": "string",
    "default": "openai",
    "hint": "选择用于记忆形成的LLM服务提供商，将使用AstrBot配置的对应提供商"
  },
  "llm_system_prompt": {
    "description": "LLM系统提示词",
    "type": "text",
    "default": "你是一个记忆总结助手，请将对话内容总结成简洁自然的记忆。",
    "hint": "用于指导LLM形成记忆的系统提示词"
  }
}

🔍 嵌入向量配置

{
  "embedding_provider": {
    "description": "嵌入模型服务提供商",
    "type": "string",
    "default": "openai",
    "hint": "选择嵌入模型的服务提供商，将使用AstrBot配置的对应提供商"
  },
  "embedding_model": {
    "description": "嵌入模型名称",
    "type": "string",
    "default": "",
    "hint": "指定要使用的嵌入模型名称，留空将使用提供商的默认模型"
  }
}

🚀 高级功能

{
  "enable_associative_recall": {
    "description": "启用联想回忆",
    "type": "bool",
    "default": true,
    "hint": "是否在llm和embedding模式下启用基于知识图谱的联想回忆功能，会智能补充相关记忆"
  },
  "enable_enhanced_memory": {
    "description": "启用增强记忆功能",
    "type": "bool",
    "default": true,
    "hint": "是否启用增强记忆功能，包括增强召回和自动注入相关记忆到LLM上下文"
  },
  "memory_injection_threshold": {
    "description": "记忆注入阈值",
    "type": "float",
    "default": 0.3,
    "hint": "记忆相关性阈值，低于此值的记忆不会被注入(0-1)"
  }
}

📋 配置示例

🔧 简单配置

{
  "enable_group_isolation": true,
  "recall_mode": "simple",
  "memory_formation_interval": 15,
  "enable_forgetting": true,
  "enable_consolidation": true
}

🤖 LLM 模式配置

{
  "enable_group_isolation": true,
  "recall_mode": "llm",
  "llm_provider": "openai",
  "llm_system_prompt": "你是一个专业的记忆助手，请准确总结对话中的关键信息。",
  "memory_formation_interval": 15,
  "recall_trigger_probability": 0.7,
  "enable_associative_recall": true
}

🔍 嵌入向量模式配置

{
  "enable_group_isolation": true,
  "recall_mode": "embedding",
  "embedding_provider": "openai",
  "embedding_model": "text-embedding-ada-002",
  "llm_provider": "openai",
  "memory_formation_interval": 15,
  "enable_enhanced_memory": true,
  "memory_injection_threshold": 0.4,
  "max_injected_memories": 5
}

🛠️ 开发说明

📁 项目结构

astrbot_plugin_memora_connect/
├── main.py                    # 主插件文件
├── metadata.yaml              # 插件元数据
├── requirements.txt           # 依赖包列表
├── _conf_schema.json          # 配置模式定义
├── database_migration.py      # 数据库迁移系统
├── enhanced_memory_display.py # 增强记忆显示
├── enhanced_memory_recall.py  # 增强记忆召回
├── embedding_cache_manager.py # 嵌入向量缓存管理
└── README.md                  # 项目文档

🏗️ 架构设计

🧠 核心组件

1. MemorySystem：核心记忆系统

   • 记忆形成和管理
   • 多种回忆模式
   • 记忆维护机制

2. MemoryGraph：记忆图数据结构

   • 概念节点管理
   • 记忆条目存储
   • 连接关系维护

3. EnhancedMemoryRecall：增强记忆召回

   • 多维度召回策略
   • 语义相似度计算
   • 记忆排名和去重

4. EmbeddingCacheManager：嵌入向量缓存

   • 向量预计算
   • 缓存管理
   • 语义搜索

5. BatchMemoryExtractor：批量记忆提取

   • LLM 批量提取
   • 多类型记忆识别
   • 置信度评估

🔄 数据流程

1. 消息处理流程

   消息监听 → 群聊识别 → 记忆提取 → 记忆存储 → 关联建立
   

2. 记忆召回流程

   查询分析 → 多策略召回 → 结果融合 → 排名去重 → 返回结果
   

3. 记忆维护流程

   定时触发 → 遗忘检查 → 记忆合并 → 连接优化 → 数据保存
   

🐛 问题反馈

• 使用 GitHub Issues 报告 bug
• 提供详细的问题描述和复现步骤
• 包含相关的日志信息和环境信息

✨ 功能建议

• 在 GitHub Discussions 中讨论新功能
• 提供详细的功能需求和使用场景
• 考虑功能的通用性和实现复杂度

📊 性能优化

⚡ 已实现的优化

• 嵌入向量缓存：预计算并缓存记忆的嵌入向量
• 批量处理：批量记忆提取和数据库操作
• 异步优化：非阻塞的异步任务处理
• 队列管理：智能的任务队列和优先级管理
• 数据库优化：增量更新、事务处理、索引优化

🔧 优化建议

• 定期清理旧的嵌入向量缓存
• 根据实际使用情况调整批量处理大小
• 监控内存使用情况，及时调整缓存大小
• 合理配置记忆形成概率，避免过多无用记忆

❓ 常见问题

⚙️ 配置问题

Q: 如何选择合适的工作模式？
A: 根据您的需求选择：

• Simple 模式：资源占用最少，适合简单使用场景
• LLM 模式：需要配置 LLM 服务，适合智能记忆形成
• Embedding 模式：需要配置嵌入向量服务，更加强大

Q: 群聊隔离功能如何工作？
A: 群聊隔离功能会：

1. 自动识别消息来源的群聊 ID
2. 为每个群聊创建独立的数据库文件
3. 确保不同群聊间的记忆完全隔离
4. 在群聊间切换时自动加载对应的记忆状态

🚀 性能问题

🧠 功能问题

Q: 记忆召回结果不准确？
A: 优化召回效果的方法：

1. 使用 Embedding 模式提高语义理解
2. 启用联想回忆功能扩展相关记忆
3. 调整 memory_injection_threshold 阈值
4. 优化 LLM 系统提示词

Q: 人物印象功能如何使用？
A: 人物印象功能的使用方法：

1. 在对话中自然提及人物名称
2. LLM 会自动提取人物印象信息
3. 使用 /记忆 印象 [人物名称] 查询印象
4. 通过 LLM 工具手动调整印象分数

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

📈 版本历史

v0.2.6

• fix 修复写法问题，优化传递llm参数

v0.2.3 (当前版本)

• ✨ 新增嵌入向量缓存管理
• 🚀 性能优化和异步处理改进
• 🐛 修复群聊隔离的若干问题
• 📚 完善文档和配置说明

v0.2.2

• 🔧 增强记忆召回系统
• 👥 人物印象功能优化
• 📊 记忆统计功能完善

v0.2.1

• 🌐 群聊隔离功能
• 🧠 知识图谱连接优化
• 📝 批量记忆提取功能

v0.2.0

• 🎉 初始版本发布
• 🧠 基础记忆系统
• 🔍 多模式回忆功能