memory

memory

一个简单的基于 SQLite 的记忆系统，用于给 AI Agent 内嵌使用。

技术栈

• Go + GORM
• SQLite (FTS5 全文搜索)
• 本地优先、单用户、低运维

快速开始

基础功能（无需API Key）

# 运行基础功能示例（会自动初始化数据库）
go run examples/01_basic/main.go

LLM自动提取（使用OpenAI API）

# 1. 设置环境变量
export OPENAI_API_KEY=sk-your-api-key

# 2. 运行完整 LLM 提取演示
go run examples/08_extract_demo/main.go

详细配置说明：docs/openai-setup.md

环境变量配置

# 必需
export OPENAI_API_KEY=sk-your-api-key

# 可选（有默认值）
export OPENAI_MODEL=gpt-5.4-nano  # 默认模型 (gpt-5.4-nano/gpt-4o/gpt-4)
export OPENAI_BASE_URL=            # 自定义API端点（如 Azure OpenAI）
export OPENAI_TEMPERATURE=0.3      # 温度参数（0-1，越低越稳定）
export OPENAI_TIMEOUT=30           # API超时时间（秒）

使用本地模型（Ollama，免费）

# 1. 安装并启动 Ollama
ollama pull llama3.1:8b

# 2. 配置环境
export OPENAI_BASE_URL=http://localhost:11434/v1
export OPENAI_MODEL=llama3.1:8b
export OPENAI_API_KEY=ollama

# 3. 运行
go run examples/08_extract_demo/main.go

自动提取演示

$ go run examples/08_extract_demo/main.go

============================================================
LLM Memory Extraction Demo
============================================================

--- Dialog 1 ---
Input: 我喜欢用深色主题，浅色主题太刺眼了
Status: completed (Processing time: 0ms)

  Memory 1:
    Namespace: profile     👤 用户画像
    Title: User Preference
    Confidence: 0.85

--- Dialog 2 ---
Input: 今天的任务是完成用户登录功能的重构，优先级高
Status: completed (Processing time: 0ms)

  Memory 1:
    Namespace: action      📋 任务行动
    Title: Task Item
    Confidence: 0.90

--- Dialog 3 ---
Input: Go语言的goroutine是轻量级线程，由Go运行时管理
Status: completed (Processing time: 1ms)

  Memory 1:
    Namespace: knowledge   📚 知识
    Title: Knowledge Item
    Confidence: 0.95

Total memories: 4
- [profile] User Preference (conf: 0.85)
- [action] Task Item (conf: 0.90)
- [knowledge] Knowledge Item (conf: 0.95)

项目结构

memory/
├── examples/           # 可执行示例（含隔离接入、LLM 提取等）
│   ├── 01_basic/       # 基础使用（WithIsolation + Service API）
│   └── 08_extract_demo/# 多轮对话 LLM 提取
├── model/              # GORM 模型（表结构单一来源）
│   └── memory.go
├── service/            # 业务逻辑（Memory、提取、策略、决策等）
├── store/              # DB 连接与 schema：`Migrate` = AutoMigrate + FTS5
│   ├── db.go
│   └── fts.go          # FTS5 虚表与触发器（GORM 无法表达的部分）
├── docs/
│   └── memory.md       # 详细技术方案
├── go.mod
└── README.md

Schema：仅通过 memory.Migrate(db)（或 store.Migrate）初始化。GORM AutoMigrate 创建业务表；store 内建 FTS5 虚表与同步触发器。提取 Prompt 可不建表行：未配置 is_default 的 extraction_prompts 时，Extract 使用 service 包内建默认（dialog_extractions.prompt_id 记为 prompt-default-v3（Run Journal 证据可信度；profile 仅面向终端用户，不由宿主再做短语过滤）。需要定制时在 DB 中新增/设置 is_default 即可。不使用独立 SQL 迁移目录。

集成说明：import "github.com/lengzhao/memory" 即可；也可按需引用子包 model、service、store。

核心特性 v0.3

• ✅ 多 namespace 分层存储 (transient/profile/action/knowledge)
• ✅ 并发控制：乐观锁 (version 字段)
• ✅ 幂等写入：dedupe_key（同一 namespace 内唯一）等
• ✅ TTL 策略：fixed / sliding / manual 三种模式
• ✅ 可恢复删除：软删后保留在 deleted_items 表
• ✅ 全文搜索：FTS5 虚表 + 自动同步触发器
• ✅ 策略持久化：namespace_policies 表存储配置
• ✅ 事件追踪：审计日志 (memory_events)
• ✅ LLM 集成：OpenAI 兼容接口（可通过 OPENAI_BASE_URL 对接兼容端点，如 Ollama）
• ✅ 自动提取：对话内容分类到上述 4 类 namespace

数据模型

主要表

说明：LLMConfig 和 ExtractionPrompt 当前为运行时配置结构体（代码传入），不作为持久化表自动创建。

详见 model/memory.go 与 docs/memory.md。

许可证

MIT