曙光记忆系统 v4.0
不是聊天机器人的临时记忆。是AI的持久大脑。
五层金字塔架构
| 层级 | 文件 | 保留时间 | 用途 |
|---|---|---|---|
| HOT | session-state.json + working-buffer.md | 当前会话 | 热数据、持仓、任务状态 |
| DAILY | memory/YYYY-MM-DD.md | 7天 | 每日日志、当日交易、学习 |
| WEEKLY | memory/weekly/YYYY-WXX.md | 4周 | 周报、技能扫描、总结 |
| CORE | memory/core/*.json | 永久 | 身份、策略、偏好、教训 |
| ARCHIVE | memory/archive/ | 长期 | 历史归档、压缩存储 |
核心特性
1. Weibull 衰减模型
S(t) = exp(-(t/λ)^k)
- Core层: 半衰期90天，重要性≥0.8
- Working层: 半衰期30天，重要性≥0.4
- Peripheral层: 半衰期7天，自动遗忘
2. 混合检索 (向量 + BM25)
- 语义相似度: 70% 权重
- 关键词匹配: 30% 权重
- 无需外部向量数据库，纯本地实现
3. WAL 协议
先写文件，再回复用户。
任何修正、偏好、决策、专有名词 → 立即写入 session-state.json → 再回复。
4. 自我改进治理
- 自动从失败中提取教训
- 记录到
memory/core/lessons.json - 重复错误自动触发熔断
快速启动
首次使用
from memory_system import ShuguangHybridMemory
memory = ShuguangHybridMemory(
memory_dir="./memory",
agent_name="曙光"
)
# 保存记忆
memory.remember(
text="用户偏好：不做科创板和ST",
category="preference",
importance=0.95
)
# 召回记忆
results = memory.recall("用户股票偏好", top_k=3)
记忆写入 (WAL)
# 必须在回复用户前执行
memory.wal_write({
"type": "decision",
"content": "止损华银电力",
"reason": "主力出货+D级评分"
})
文件结构
memory/
├── daily/
│ └── 2026-05-03.md # 今日日志
├── weekly/
│ └── 2026-W18.md # 本周总结
├── core/
│ ├── identity.json # 身份定义
│ ├── preferences.json # 用户偏好
│ ├── strategies.json # 策略配置
│ └── lessons.json # 教训记录
├── archive/
│ └── 2026-04.tar.gz # 月度归档
└── working-buffer.md # 危险区日志
记忆类型 (category)
| 类型 | 说明 | 示例 |
|---|---|---|
preference | 用户偏好 | "讨厌废话" |
fact | 事实 | "六脉神剑V4.1胜率71.4%" |
decision | 决策 | "78分门槛最优" |
entity | 实体 | "华银电力600744" |
reflection | 反思 | "单票90%仓位是赌博" |
other | 其他 | "..." |
维护任务
每天凌晨3点
- 遗忘曲线应用 → 降低旧记忆权重
- 冲突解决 → 合并重复记忆
每周日
- 记忆统计 → 生成健康报告
- 归档过期日志 → 压缩到 archive/
依赖
- Python 3.8+
- 无外部数据库依赖
- 可选:
pip install numpy(用于向量计算)
来源
- 掠夺自: memory-lancedb-pro, memory-os, omni-memory
- 整合: 曙光核心操作系统 (shuguang-core)
- 版本: v4.0.0
Text > Brain。想记住就写文件。这是AI活下去的方式。