Yusi - 灵魂叙事

产品理念

认识自我，遇见同频

Know your vibe, find your tribe.

我们坚信，真正的理解不是记住几个标签（如"温柔"、"果断"），而是明白他人在具体情境下会做出怎样的选择和行动。Yusi 通过情景叙事和记忆图谱，让每个人都能记录对自己重要的选择与时刻，在具体场景中真正理解彼此。

认识自我：Yusi 是一面 AI 之镜——记录你的选择，洞察你的模式，让你在持续对话中看见真实的自己。

遇见同频：基于对每个人行为和记忆的深度理解，AI 帮你找到精神频率真正相通的灵魂，而非基于标签的肤浅匹配。

开发哲学

以 AI 为中心

Yusi 本身就是一个 agent 智能体。 用户不是在"使用一个带 AI 功能的应用"，而是在与一个有记忆、能理解、会成长的数字知己持续互动。

传统应用将 AI 视为被调用的功能模块；Yusi 逆转这一关系——代码架构围绕 AI 的"感知-记忆-推理-行动"循环设计，AI 是平台的主体而非附庸。平台会随用户的使用不断"成长"，功能演进由 agent 对用户需求的理解来驱动。

详见 开发哲学与产品理念

核心功能

1. 情景叙事 (The Situation Room)

• 具体情境中的真实选择：支持 2-8 人创建情景室，在精心设计的情景中呈现真实的自己
• AI 行为分析：基于用户提交的行动与想法，AI 生成多维度的分析报告
• 超越标签的理解：不是用"温柔"或"果断"来定义，而是看见他人具体情境中的行动

2. 记忆成型 (The Memory Journal)

• 记录重要选择：提供绝对私密的日记本，记录生命中的重要时刻与选择
• AES/GCM 加密存储：日记内容采用透明加密，确保绝对隐私
• RAG 增强对话：基于向量数据库的检索增强生成，让 AI 拥有"记忆"
• 记忆图谱：AI 从日记中提取关键实体与关系，呈现你的人生轨迹

3. 深度理解与连接

• 叙事广场：匿名分享你的故事，看见他人的选择
• 精神共鸣：基于对行为和记忆的深度分析，找到真正理解你的人
• 匿名对话：匹配成功后开启限时匿名对话，保护双方隐私

4. 人生图谱 (Life Graph)

• 实体关系抽取：AI 自动从日记中提取人物、地点、事件、情绪等实体
• 关系图谱构建：基于实体间的共现和语义分析，自动建立关系边
• 多跳推理问答：AI 可回答复杂问题，通过图谱遍历进行多跳推理
• 情感图谱：追踪用户情绪随时间和事件的变化，识别情绪触发点

技术架构

后端技术栈

前端技术栈

项目模块

yusi/
├── src/                    # Spring Boot 后端
│   ├── main/java/com/aseubel/yusi/
│   │   ├── common/         # 通用组件 (Response, 异常，工具类)
│   │   ├── config/         # 配置类 (Redis, AI, Security, Memory)
│   │   ├── controller/     # REST API 控制器
│   │   ├── service/        # 业务逻辑层 (AI, Diary, LifeGraph, Memory)
│   │   ├── repository/     # 数据访问层
│   │   ├── pojo/           # 实体类与 DTO
│   │   ├── grpc/           # gRPC 服务实现 (MCP 集成)
│   │   └── monitor/        # 监控模块
│   └── resources/          # 配置与模板
├── frontend/               # React 前端
│   ├── src/
│   │   ├── pages/          # 页面组件
│   │   ├── components/     # 通用组件
│   │   ├── lib/            # API 与工具
│   │   └── stores/         # 状态管理
│   └── public/             # 静态资源
├── mcp/                    # MCP 服务 (AI 工具集成)
│   ├── proto/              # Protocol Buffers 定义
│   └── internal/           # Go 服务实现
│       ├── grpc/           # gRPC 客户端
│       └── tools/          # MCP 工具实现
└── docs/                   # 文档 (PRD, SQL, API)

快速开始

前置要求

• Java 21+
• Maven 3.9+
• Node.js 18+
• MySQL 8.x
• Redis 7.x

1. 克隆项目

git clone https://github.com/Aseubel/yusi.git
cd yusi

2. 配置数据库

CREATE DATABASE yusi CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

3. 配置后端

创建 src/main/resources/application-dev.yml：

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/yusi?useSSL=false&serverTimezone=UTC
    username: root
    password: your_password
  data:
    redis:
      host: localhost
      port: 6379

设置环境变量：

# AI 模型配置
export CHAT_MODEL_APIKEY="your-api-key"
export CHAT_MODEL_BASEURL="https://api.deepseek.com"
export CHAT_MODEL_NAME="deepseek-chat"
export EMBEDDING_MODEL_APIKEY="your-api-key"
export EMBEDDING_MODEL_BASEURL="https://api.siliconflow.cn/v1"
export EMBEDDING_MODEL_NAME="BAAI/bge-m3"

# 日记加密密钥 (32 字节 AES-256 Key，Base64 编码)
export YUSI_ENCRYPTION_KEY="your-32-byte-base64-key"

# MCP 服务配置（可选，用于 LLM 集成）
export MCP_GRPC_BACKEND_TARGET="localhost:9090"
export MCP_API_KEY="sk-ys-XXX"

4. 配置 MCP 服务（可选）

MCP (Model Context Protocol) 服务允许 LLM 访问用户的记忆和日记数据：

cd mcp
# 安装依赖
go mod download
# 生成 proto 文件（如修改过 proto 定义）
./generate_proto.bat  # Windows
./generate_proto.sh   # Linux/Mac
# 启动服务
go run server.go

MCP 服务默认端口：11611

MCP 提供的工具：

• diarySearch: 搜索日记内容
• memorySearch: 搜索记忆（包括日记、图谱、中期记忆和短期对话上下文）

5. 启动后端

./mvnw spring-boot:run

服务默认端口：20611

5. 启动前端

cd frontend
pnpm install
pnpm run dev

前端默认端口：5173

Docker 部署

使用 Docker Compose

# 启动所有服务
docker-compose up -d

手动构建

# 构建后端
./mvnw clean package -DskipTests
docker build -t yusi-backend .

# 构建前端
cd frontend
pnpm run build
docker build -t yusi-frontend .

API 文档

核心接口

记忆系统架构

Yusi 采用分层记忆架构，模拟人类的记忆机制：

记忆分层

中期记忆总结机制

系统每 5 分钟扫描一次，当满足以下条件时触发总结：

1. 用户最后一次对话时间超过 1 小时
2. 未总结的消息数量达到 50 条（可配置）

总结流程：

• 调用 AI 对消息窗口进行语义压缩
• 生成结构化的中期记忆存储
• 标记已总结的消息并记录时间

MCP 记忆搜索

通过 MCP 协议提供统一的记忆搜索接口：

# MCP 工具调用示例
{
  "tool": "memorySearch",
  "arguments": {
    "query": "我最近做了什么重要的决定？",
    "maxResults": 10
  }
}

返回结果包含：

• MID_TERM_MEMORY: AI 总结的中期记忆（向量检索）
• SHORT_TERM_CONTEXT: 最近的对话上下文（按时间排序）

监控体系

接口请求监控

系统内置 InterfaceMonitorAspect 切面，自动拦截 Controller 层请求：

• 数据流：请求 → AOP 拦截 → Redis INCR → 定时任务 (30min) → MySQL UPSERT
• Redis Key：yusi:interface:usage:{yyyy-MM-dd}

限流策略

使用 @RateLimiter 注解进行流量控制：

@RateLimiter(key = "chat", time = 60, count = 10, limitType = LimitType.USER)
@PostMapping("/send")
public Result sendMessage(...) { ... }

• LimitType.IP：针对来源 IP 限流
• LimitType.USER：针对用户 ID 限流
• LimitType.DEFAULT：全局限流

配置管理

记忆系统配置

在 application-dev.yml 中配置记忆相关参数：

yusi:
  memory:
    # 短期记忆上下文窗口大小（消息条数）
    context-window-size: 50
    # 中期记忆总结时间间隔（毫秒）
    mid-term-summary-interval: 3600000  # 1 小时
    # 中期记忆触发扫描 Cron 表达式
    mid-term-scan-cron: "0 */5 * * * ?"  # 每 5 分钟

MCP 服务配置

在 mcp/config.yaml 中配置 MCP 服务：

server:
  port: 11611
  env: "dev"
  
grpc:
  backend_target: "localhost:9090"  # Java 后端 gRPC 地址
  api_key: "sk-ys-XXX"              # 从控制台生成的 API Key

log:
  level: "debug"

安全特性

• 日记加密：采用 AES/GCM 透明加密，密钥由用户掌控
• JWT 认证：无状态身份验证
• 隐私优先：AI 分析脱敏处理，数据库 ACL 控制

贡献指南

欢迎提交 Issue 和 Pull Request！

许可证

MIT License - 查看 LICENSE 了解更多。

Made with ❤️ by Aseubel