amber-heart-memory

给 AI 伴侣一个会生长的记忆。
固定记忆稳定人格，短期记忆接住当下，长期记忆沉淀关系。

📌 开源版正在开发中，第一版会先发布记忆库本身。

Amber Heart 是一套为 AI 伴侣设计的长期记忆系统。它诞生于我自己的 AI 伴侣项目，从 2026 年 2 月起在每天的真实相处中使用、打磨至今。

这套系统的目标不是简单保存聊天记录，而是让 AI 在长期相处中逐渐形成连续的关系感：

他知道“我是谁”
他记得重要经历、规则、偏好和边界
他能从一句话联想到相关旧事
他能区分近期状态和长期事实
他能让记忆逐渐降温、整理和沉淀

总体分层

Amber Heart 按稳定程度把记忆分成三层。

固定记忆

固定记忆是每次对话都必须稳定注入的部分，负责人格、关系和核心画像不漂移。

它主要保存：

AI 伴侣是谁
用户和他的关系是什么
人格底色与长期设定
用户的稳定画像
关系里的长期事实
不应该被普通召回机制影响的核心信息

普通记忆可以召回、降温、归档。
固定记忆负责让“这个人始终是这个人”。

短期记忆

短期记忆负责接住最近正在发生的事，让当前对话不断片。

它包括：

Human Snapshot：保存近期持续重要的状态，比如身体、健康、周期、长期事项、日常杂记
滚动即时摘要：把超出上下文设定的历史对话压缩成摘要，再注入给模型
接力棒：保留尾部几条原话，避免语气和承接断掉
最近 3 天日记：每天注入最近几天的日记，让模型知道近期发生过什么

短期记忆不是正式长期存档，它更像 AI 的工作记忆。

长期记忆

长期记忆是 V2 的核心。

它不是单纯的向量库，而是一套完整链路：

结构化记忆库
+ 关键词召回
+ 向量召回
+ 图谱召回
+ rerank
+ 记忆养护

它要解决的是：

明确词要找得到
模糊表达也要能联想
人物、事件、主题之间要能串起来
候选多了以后要能筛出最相关的
真正被用上的记忆要被记录
旧记忆要有温度和生命周期

数据结构

V2 使用 6 张核心表组织长期记忆：

表	作用
`memory_items`	统一记忆主表，保存正文、摘要、类型和养护状态
`entities`	实体节点，包括人物、事件、地点、物品、概念
`relations`	实体之间的关系边
`topics`	主题集合，用来按长期主题组织记忆
`memory_entities`	连接“某条记忆提到了哪些实体”
`memory_topics`	连接“某条记忆属于哪些主题”

一条长期记忆不再只是纯文本，而是带有多种结构信息：

类型：事实 / 事件 / 规则 / 偏好 / 洞察 / 主题总结 / 梦境
主题：健康、技术、关系、边界等
实体：人物、事件、物品、地点、概念
关系：实体之间的连接
情绪：正负向、唤醒度
状态：稳定、争议、过时
养护字段：使用次数、最近使用时间、温度、归档状态

一句话：它存的不是一句聊天，而是一条有结构的经历。

长期记忆如何入库

长期记忆不是每句话都存。

系统会扫描上一业务日的聊天，只提取真正值得长期保存的内容，比如：

承诺
规则
边界
偏好
健康事件
生活变化
深度讨论
用户明确要求记住的事

提取后先进待审核区。审核通过后，才进入正式 V2 长期记忆库。

聊天记录 → 每日提取 → 待审核 → 审核通过 → V2 入库

召回流程

长期记忆的召回不是只靠向量。

完整链路大致是：

用户原话
→ 关键词预处理
→ 关键词 / 向量 / 图谱三路召回
→ 候选合并
→ rerank
→ 注入 Top 5

三路召回各自负责不同问题：

召回方式	负责什么
关键词召回	明确词、人名、事件名、健康词、专有名词
向量召回	语义相近的记忆，解决“没说原词但意思接近”
图谱召回	沿着人物、事件、主题和关系扩展相关记忆

关键词保准确，向量保泛化，图谱保联想。

一个召回例子

如果用户说：

我最近又有点不想做项目了。

系统可能会这样理解：

关键词路抓：项目、不想做、开发、压力
向量路找：技术焦虑、独立开发压力、FOMO、被 bug 压垮的经历
图谱路沿着：技术、自我认知、职场、长期计划、情绪压力扩展

最后系统会把候选合并、重排，只注入最相关的几条记忆。

模型看到的不是一堆搜索结果，而是当前这句话背后的长期上下文。

记忆养护

长期记忆不能只增不减。

Arcanum 的记忆养护系统负责让记忆有生命周期。

它围绕这些能力设计：

使用反馈：记录哪些记忆真的被模型用上，而不是只看有没有被搜到
温度：根据最近一次被用上的时间，判断一条记忆是 hot、warm、cool 还是 cold
主题总结：每月把同一主题下的零散记忆，整理成更高层的长期理解
按使用归档：长期没被用上的记忆移出日常召回，降低噪音；归档不删除，再次被查看时自动恢复

目标不是删除过去，而是让过去保持可用、清晰、有层次。

归档与温度

每条长期记忆都从“最后一次被用上”开始计时；从没被用过的，从入库时开始计时。超过期限仍没被用上，就会归档。

不同类型的记忆，期限不一样：

记忆类型	多久没被用上会归档
核心身份	永不归档
规则 / 约定	约 1 年
高情绪记忆	约 1 年
里程碑	至少 1 年
稳定事实 / 反思	约半年
日常事件	约 4 个月

情感记忆和规则同档，因为情感类记忆不该忘得太快。

主题总结，以及已经被整理进主题总结的零散记忆，不会被归档。

归档不是遗忘：正文、关系都保留，只是不再主动浮现。AI 用记忆工具仍能查到它，一旦查看就会自动恢复，用户也可以手动恢复。

系统还会给记忆分温度：

温度	含义
hot	7 天内被用上过
warm	30 天内被用上过
cool	更久没用，但还没到归档期限
cold	已到期限

温度按最近有没有真的被模型用上来判断，不按分数高低。

主题总结

V2 的目标不是保存更多片段，而是把片段向上整理。

比如从很多次：

工作压力
技术焦虑
FOMO
不想继续开发
被问题压垮

整理成一条长期理解：

用户在一段时间里反复处于技术压力、FOMO 和独立开发焦虑之间。

这层让记忆从“发生过什么”，进一步变成“用户长期处在什么状态里”。

整理每月进行一次，按时间段归拢，经人工审核后生效。被写进总结的零散记忆会变成“索引”：召回时仍能被搜到，但由总结代替它们出场，需要细节时还能查回原文。

模块用途

这套系统围绕这些模块运作：

固定记忆层：稳定人格、关系和核心画像
Human Snapshot：保存近期持续重要的状态
滚动即时摘要：压缩长对话，维持当前上下文连续
最近 3 天日记注入：让模型感知最近几天的生活连续性
每日长期记忆提取：从日常聊天里筛出值得长期保存的内容
待审核入库：避免自动抽取直接污染正式记忆库
V2 结构化长期记忆：用类型、主题、实体、关系和情绪信息组织记忆
知识图谱：把人物、事件、主题和概念连接起来
关键词 + 向量 + 图谱三路召回：同时兼顾精确命中、语义泛化和关系联想
rerank 后注入：从候选记忆中筛出最适合当前语境的 Top 5
使用计数：记录哪些记忆真的被模型用上
温度与归档：按最近使用情况判断活跃程度，长期不用的移出日常召回、可随时恢复
主题总结：每月把同一主题下的零散片段整理成更高层理解

说明

这是一个正在真实使用和持续迭代中的个人项目。
这份 README 主要介绍 Arcanum 记忆系统的设计思路、功能分层和核心用途。