aiduMEI⚕爱嘟优忆思——智能体通用智慧引擎

aidu Memory Engine Insight

不只是记忆 — 是洞察。

记忆不是记事，而是不忘过往的点点滴滴； 洞察不是看见，而是看懂每一条记忆为何被想起； 引擎不是工具，而是让 AI 会记忆、会思考、会进化。

中文 | 📖 English

---

aiduMEI 是什么？

aiduMEI（爱嘟优忆思，aidu Memory Engine Insight）是一个智能体通用智慧引擎（AI Wisdom Engine）—— 为 AI Agent 提供持久化记忆、推理与可视化洞察能力。它以希腊神话诸神为名，承载着一套完整的认知架构，让 AI 会记忆、会思考、会进化，并通过自带的控制台让一切可见、可调、可追溯。

v19.2.0 · 智慧引擎——生产级加固与一致性闭环。 在 v19.0 Athena（主动反思、记忆自编辑、递归精炼、人格基座）的基础上，v19.2.0 聚焦真实生产场景的安全筑基、多仓一致性、统一打分提质与透明可观测性——引入三层 Prompt 注入防御网、多仓级联原子删除与应用级 WAL、统一五维打分与时效衰减真相源、动态降级追踪与容量水位告警。

品牌演进：aiduMEM（优忆思）→ aiduMEI⚕爱嘟优忆思。从一个记忆中间件，升级为带可视化洞察的智能体通用智慧引擎。"爱嘟"是用户与 AI 助手的亲密呼唤，"优忆思"是记忆·思考·洞察的三重承诺。

基于 mem0 构建，aiduMEI 在其之上搭建了逐版生长的认知体系：

层级	代号	做什么	核心特性
🦉 智慧	Athena 雅典娜	记完之后如何变聪明	Reflect 主动反思 · 记忆自编辑去重 · 递归精炼 · Skill 自生长 · 人格记忆基座
🧠 回忆	Mnemosyne 谟涅摩绪涅	在对的时间找到对的回忆	Ebbinghaus 遗忘曲线 + BM25/trigram + 向量混合检索
🔍 闸门	Tahoe-Gate	只检索真正相关的内容	启发式闸门（GET /gate）拦截无关上下文 —— 闲聊跳过检索，省 Token 与算力
🌊 潮浪	Mnemosyne Tidal	批量 LLM 提取，不逐条调用	异步合并队列：多条短消息 → 单次 LLM 调用
⏳ 遗忘	Ebbinghaus Decay	遗忘是特性，不是 bug	三轨衰减：Identity 零衰减 / Emotion 加速半衰 / 一般事实标准曲线
🕰️ 克罗诺斯	Chronos 克罗诺斯	时间感知的有效期	双时间轴（valid_from / valid_to），过期降权不删除
🏛️ 万神殿	Pantheon 万神殿	多 Agent 共享一套记忆	联邦身份 + MoE 门控 + 四级无缝降级
🛡️ 埃癸斯	Aegis 埃癸斯	零硬编码，换机即跑	身份/路径/词表全部环境变量注入，克隆即用
🌈 伊里斯	Iris 伊里斯	走宿主官方记忆通道	Hermes MemoryProvider 插件：压缩前抢救 · 记忆镜像 · 工具直连
🐙 八爪鱼	Opus Octopod	记忆治理与结晶	ConflictResolver 冲突消解 + TreeMemory 树状图谱 + SkillCrystallizer 自动结晶
⚡ 宙斯	Zeus 宙斯	吸星大法 · 众神之王	Raw Drawer 原味抽屉 + Code Graph 代码图谱 + EvolveMem 检索自进化 + 多模态视觉记忆 · Obsidian 双链 · 无损秒级升级

---

🖥️ aiduMEI 控制台（全新）

v18.2 起自带可视化控制台 —— 不再是纯 API 服务，而是一个"看得见记忆如何被想起"的引擎。

aiduMEI 内置一个轻量 Web 控制台，由后端直接托管在 /ui，无需单独部署前端（纯静态 HTML/CSS/JS，仅 MAP 星图面板用到 ECharts CDN）。六个面板覆盖记忆引擎的完整生命周期：

面板	代号	看什么
💗 PULSE 脉搏	服务状态 + 存储分层	版本/代号/核心模块在线数、四层记忆存量与容量
🗄️ VAULT 记忆库	搜索 + 分类账本	语义检索（向量+重排）、6 知识域分类家底、最近写入的事实流
🗺️ MAP 星图	知识域星图	ECharts 力导向图：核心/知识域/分类/实体四类节点，可拖拽缩放
🔍 RECALL 追忆	召回漏斗 trace	候选池→点火→去重→时间衰减→最终，每步耗时与命中数全可见
🧬 EVOLVE 进化	检索质量看板	7 天查询/命中/得分/零命中、进化周期日志、反馈信号
⚙️ SETTINGS 设置	模型配置 + 模块 + 联邦	LLM/Embedding/Reranker 配置只读（api_key 脱敏）、思考模式、可调参数、核心模块探针、联邦成员

PULSE — 脉搏

服务健康、版本代号、11 个核心模块探针、四层记忆存量与容量。

VAULT — 记忆库

语义检索（向量 + 重排）、6 个知识域分类家底、最近写入的事实流。

MAP — 知识域星图

ECharts 力导向图，核心 / 知识域 / 分类 / 实体四类节点，滚轮缩放、拖拽节点、悬停查看详情。

RECALL — 追忆漏斗

这一屏是 aiduMEI 最想做好的地方：别家的记忆面板只给你"存了什么"，这里给你"它凭什么想起这条"。

候选池 → 🔥 点火 → 去重 → 时间衰减 → 最终，五阶段每步耗时与命中数全可见。

EVOLVE — 检索自进化

7 天检索质量看板：查询数、平均命中、平均得分、零命中数；进化周期日志与反馈信号。

SETTINGS — 模型配置

LLM / Embedding / Reranker 配置只读展示（api_key 自动脱敏）、思考模式状态、可调参数、核心模块探针、联邦成员。

---

🛡️ v19.2.0 核心加固与升级亮点

经历真实生产环境（千条级真实事实库）与全量安全审计验证，v19.2.0 聚焦工程可靠性与生产安全性，带来 6 大核心加固：

1. 三层 Prompt 注入防御网与沙箱隔离 (ducky/security/injection_guard.py)
   • 三层拦截：第 1 层原始正则过滤（越狱/指令覆盖模式）、第 2 层去噪规范化（强力粉碎空格/标点变形绕过）、第 3 层重复行溢出防御。
   • 精准白名单：内置合法运维与日常口语白名单，防止日常会话误拦截。
   • 上下文沙箱隔离：召回记忆注入 System Prompt 前强制包裹 [DATA: MEMORY CONTEXT ...] 边界标记，向宿主模型显式声明为纯数据片段。
2. 多租户隔离与精确匹配删除（P0） (ducky/hot/crud.py & ducky/wal_engine.py)
   • 严格租户归属校验：/delete 与 /update 强制校验 user_id，禁止跨租户越权操作。
   • 精确匹配删除：彻底废除 SQL LIKE '%...%' 模糊匹配，采用 id=? OR fact_key=? 精确匹配，杜绝误伤子串记录。
3. 核弹级防爆门禁（P0）
   • /delete_all 严禁空参数调用（直接抛 HTTP 400）。
   • 清空 default 租户全库必须显式传递 confirm: true 二次确认，防止运维误触清库。
4. 多仓级联原子删除与应用级 WAL（P0） (ducky/wal_engine.py)
   • 单条删除与全量清空同步级联物理清理 Qdrant 向量库、SQLite FTS5 全文索引、facts.db、salience.db、evolve_mem.db，根绝孤儿与幽灵记忆。
   • 引入带 fsync 的 wal_journal.jsonl 预写日志，服务启动自动运行 reconcile_startup() 扫描并自愈对账。
   • 递归精炼归档后自动从 FTS5 索引解挂并在向量库中软标记，防止已精炼旧记忆虚假召回。
5. 统一五维打分体系与 0 N+1 查询（P1） (ducky/scoring.py)
   • 统一向量 + BM25 + 时间衰减 + 可靠性 + 热度五维打分算法，衰减率由 AIDUMEM_RECENCY_LAMBDA 单真相源管控。
   • 消除 N+1 读查询：get_batch_memory_types 采用单次 SQL 批量加载六型分类，大幅降低高并发下的数据库开销。
6. 网络与凭据硬化及动态健康观测（P1） (ducky/degradation.py & api_server.py)
   • 监听公网（0.0.0.0）且未配置 AIDUMEM_API_TOKEN 时拒绝启动，杜绝未授权公网裸奔。
   • 废除弱口令，首次启动自动生成 16 位高强度随机密码并持久化 Salt+SHA256 哈希至 data/.ui_password_hash。
   • /health 实时暴露 degraded_components 与事实库容量水位线预警（>800 条提示精炼）。

---

🦉 v19.0 新特性 · Athena 雅典娜——从记忆到智慧

前代 Zeus 解决了「记什么、怎么记、怎么找回来」。Athena 补上认知闭环的后半程：记忆存下来之后，Agent 如何主动回顾、自我修正、越用越精炼、把经验长成技能，并拥有稳定的人格底座。 记忆不再只增不减，而是会自省、会收敛、会进化。

🔮 Reflect 主动反思（P0-3 · 借鉴 Hindsight）

Agent 不再只会「存了再搜」。定期或触发式回顾记忆，提炼出模式、关系、预测、矛盾与知识缺口，把洞察落库成一等公民的 reflections，供后续对话注入引用。

• 后台每 6 小时自动反思一次（AIDUMEM_REFLECT_INTERVAL_HOURS 可调），也可 POST /reflect 手动触发
• 会话结束自动触发：/session/end 后台拉起 run_reflect(source="session_end")，把一段对话沉淀成洞察
• 降级友好：LLM 未配置 / 调用失败 / 解析失败都不抛异常，返回空洞察；同一洞察按 content 哈希幂等落库

✏️ 记忆去重自编辑（P0-2 · 借鉴 Mem0）

写入新记忆前，先用 LLM 判断它与既有记忆是「重复 / 冲突 / 全新」——重复则合并而非追加，冲突则保留双方并标注置信度与时间。记忆不再只增不减。

• LLM 语义级判重先行，Layer1 Jaccard 零成本兜底；LLM 不可用时无缝回退，向后完全兼容
• 每次合并/冲突更新都把「旧内容 → 新内容」快照进 memory_edits 表，POST /self-edit/rollback 一键回滚

🧬 记忆递归精炼（P1-3 · 借鉴 SimpleMem）

后台把相关的多条碎记忆递归合并为更高层抽象，对抗「记忆熵增」。与自编辑分工清晰：自编辑管写入时的 1 对 1 判重，精炼管后台的多对 1 聚类压缩。

• 精炼产物写入 refined_memories，原记忆只做 soft-superseded（不物理删除），可一键回滚
• 治理铁律：LLM 只能建议，不能直接 commit

🌱 自动 Skill 生长 + 精炼淘汰（P1-2 · 借鉴 ReMe/MemU）

在 v17 结晶器之上补上「从经验自动生长技能」的后半链路：任务轨迹回放 → 步骤提取 → LLM 生成 SKILL.md 草稿 → 人工 approve → 归档为技能。

• 技能复用打点（record_skill_use）：成功/失败计数，低效用技能（成功率 < 34%）自动标记待淘汰，不物理删除，可人工复核恢复
• 草稿永远落在 status='draft'，LLM 不能自动 commit

🎭 人格记忆基座 · Persona Memory Layer（借鉴 MemoryForge）

把一句话人设展开成一整套可按情境检索的自传体记忆库，替代每轮硬塞同一张静态人设卡。L（生平）/ G（成长）/ E（情节）三层结构，双模式构建：

• synthesis 合成——面向虚构角色：从简短人设自动生成 L/G/E 三层
• grounded 落地——面向真实用户：从已有记忆库归纳提炼，不虚构
• 与运营记忆双层并行：运营记忆是持续生长的「活记忆」，人格基座是相对静态的「人生底座」，上层按情境混排注入；版本化可回滚

🕰️ 双时间轴记忆 + 时间感知检索（P0-1 / P0-4）

• P0-1：每条记忆带 valid_from / valid_to / recorded_at 双时间轴，created_at → recorded_at → valid_from 三级时间源回退
• P0-4：混合检索多信号加权融合——向量 + BM25 + 时效衰减 + 可靠性 + 热度；时间衰减率 λ 环境变量可调

🗂️ 记忆类型分离（P1-1 · 借鉴 Hindsight 四网络）

把混在同一池的记忆按认知类型显式分开管理——不推翻现有存储，而是加一层类型标签与查询视图：

FACTS 客观事实 · PREFERENCES 偏好+置信度 · EXPERIENCES 第一人称经历 · OBSERVATIONS 中性观察 · REFLECTIONS 反思洞察 · DECISIONS 关键决策账本

---

📦 部署要求——轻到能塞进一台入门云主机

猴哥关心的问题：这套东西部署起来重不重、要多少内存 CPU、体积多大？答案是：非常轻。 这本身就是 aiduMEI 的一个设计亮点。

维度	实测数据	说明
运行内存	约 210 MB RSS（单进程实测）	生产环境单个 Python 进程常驻，含 mem0 内核 + FastAPI + 嵌入式向量库
CPU	2 核足够，闲时 < 1%	无常驻重计算；LLM/Embedding 全部走外部 API，本机只做检索融合与 SQL
磁盘（程序）	源码约 2.6 MB · 依赖 venv 约 175 MB	纯 Python，无需编译；克隆即跑
磁盘（数据）	千级记忆约 13 MB 向量 + 数百 KB SQLite	随记忆量线性增长，量级极小
直接依赖	仅 9 个顶层包	mem0ai / qdrant-client / fastapi / uvicorn / pydantic 系 / httpx / requests
Python	3.10 – 3.12	3.12 为推荐
前端	0 依赖	控制台纯静态，不装 node、不打包、不编译

为什么这么轻，是刻意设计：

• 向量库嵌入式落盘，不起独立服务：Qdrant 走 path: ./data/qdrant 本地模式，无独立进程、无 Docker、无额外端口——省掉一整套向量数据库运维。
• 算力外包：LLM、Embedding、Rerank 全部通过 OpenAI 兼容 API 外部调用，本机不加载任何大模型权重，因此不吃 GPU、不吃大内存。
• 相关性闸门先拦一道：日常闲聊不触发检索，Token 与算力消耗直接省掉一个量级。
• SQLite + FTS5 兜底：结构化知识与全文搜索用零依赖的 SQLite，向量服务超时可热切换到本地全文搜索，不会因为向量库抖动而全盘瘫痪。

一句话：一台 1 核 1G 的入门云主机即可跑起来，2 核 2G 从容有余。 重量级的部分（大模型推理）都在云端 API，本地只是一个轻巧的记忆与检索大脑。

---

诸神谱系

aiduMEI 的每个大版本以希腊神祇命名，神格即架构。

版本	代号	神格	核心使命
v19.2.0	Wisdom · 智慧引擎	生产级加固 · 一致闭环	Prompt注入防护 · 多仓原子删除与WAL · 统一打分体系 · 动态健康观测
v19.0	Athena · 雅典娜	智慧女神 · 从记忆到智慧	Reflect 主动反思 · 记忆自编辑去重 · 递归精炼 · Skill 自生长 · 人格记忆基座
v18.3	Zeus · 宙斯	众神之王 · 多模态感知	无损秒级升级 · 多模态视觉记忆 · Obsidian 双链联动 · 控制台密码修改
v18.2	Zeus · 宙斯	众神之王 · 检索自进化	EvolveMem 反馈闭环、38 MCP 工具、质量审计全覆盖、自带可视化控制台
v18.0	Zeus · 宙斯	众神之王 · 吸星大法	原味抽屉 · 代码图谱 · 五大竞品精华融合 · MCP×36 · IDE 钩子
v17.0	Themis · 忒弥斯	秩序女神	事件账本 · 敏感分档 · 治理铁律
v16.0	Opus Octopod · 八爪鱼	深海智者	冲突消解 · 树状记忆 · 技能结晶
v15.0	Iris · 伊里斯	彩虹信使	官方 MemoryProvider 通道 · 惰性热载
v14.0	Aegis · 埃癸斯	神盾	零硬编码 · 隐私护盾 · 开箱可部署
v13.0	Pantheon · 万神殿	众神之殿	多 Agent 联邦 · MoE 门控
v12.0	Chronos · 克罗诺斯	时间之神	双时间轴有效期
v11.0	Hyperion · 海伯利安	光明之神	线程本地连接池 · 性能纪元
v9.1	Mnemosyne · 谟涅摩绪涅	记忆女神	潮浪并忆 · 双策分档

完整版本演进史 →

---

架构

┌──────────────────────────────────────────────────────────┐
│           aiduMEI⚕爱嘟优忆思 v19.2.0 · Wisdom │
│              FastAPI REST API :8767                       │
│              控制台 /ui :8767（自带静态托管）              │
│              MCP Server :8768 (41 tools)                  │
├──────────────────────────────────────────────────────────┤
│  v19.2 Engine    → 注入防护 · WAL多仓级联 · 统一打分 · 动态健康
│  Athena          → Reflect反思 · 自编辑 · 精炼 · Skill生长 · 人格基座 │
│  Core (HOT)      → 搜索、添加、CRUD、健康检查              │
│  v8 Pipeline     → 点火 · 工作区 · 广播 · 镜鉴 · 会话      │
│  Clotho/Hyperion → CoreMemory · 检查点 · AutoDream       │
│  Extended        → 15脉外延：自动记忆 · 过期 · 统计        │
│  Federation      → 多 Agent 联邦 · MoE 门控 · 四级降级     │
│  Octopus         → 冲突消解 · 树状记忆 · 技能结晶          │
│  Zeus            → 原味抽屉 · 代码图谱 · 检索自进化         │
│  Themis          → 事件账本 · 敏感分档 · 治理审计          │
│  aiduMEI 控制台  → PULSE · VAULT · MAP · RECALL · EVOLVE · SETTINGS │
├──────────────────────────────────────────────────────────┤
│  mem0 (向量记忆) + Qdrant (向量存储)                       │
│  facts.db (结构化知识 · FTS5 trigram 全文搜索)             │
│  EvolveMem 检索自进化引擎 (后台自动衰减/提权)               │
└──────────────────────────────────────────────────────────┘

---

快速开始

方式一：Docker 容器运行（GitHub Packages / GHCR）

docker pull ghcr.io/monkey2jack/aidumei:latest
docker run -d -p 8767:8767 --name aidumei ghcr.io/monkey2jack/aidumei:latest

方式二：源码克隆运行（含控制台）

# 1. 克隆
git clone https://github.com/monkey2jack/aiduMEI.git
cd aiduMEI

# 2. 创建虚拟环境
python3.12 -m venv venv
source venv/bin/activate

# 3. 安装依赖
pip install -r requirements.txt

# 4. 配置（复制并编辑）
cp mem0_config_local.json.example mem0_config_local.json
# 编辑 mem0_config_local.json，填入你的 LLM 和 Embedding API Key

# 5. 启动
python api_server.py
# API 运行在 http://localhost:8767
# 控制台打开 http://localhost:8767/ui/

💡 想让相关性闸门认得你自己的人名/项目代号？把它们填进环境变量 AIDUMEM_ENTITY_KEYWORDS，用 | 分隔，重启即生效。

---

核心接口

记忆操作

方法	路径	说明
POST	/search	搜索记忆（混合：向量 + BM25 + 重排，直走 Workspace → Hybrid 混合召回）
POST	/search_trace	带完整执行链路的搜索（召回漏斗 trace）
POST	/add	添加记忆（默认异步潮浪合并；支持 media_url 多模态图片，v18.3）
POST	/add/raw	原味抽屉——零 LLM 直存原始文本
DELETE	/delete	按 ID 删除记忆
GET	/health	健康检查 + 全探针诊断

控制台配置（v18.2 新增）

方法	路径	说明
GET	/config	模型配置只读视图（api_key 脱敏；v18.3 起含 vision 段与 features 开关）
GET	/config/_speed	速度/合并可调参数
POST	/config/_speed	在线微调参数（写入 mem0_config_local.json）
POST	/config/password	修改 UI 登录密码（v18.3，写入 .env 重启生效）

前端控制台以 /api 为调用根（API.base = '/api'）。后端挂了一个 /api 别名子应用，让 /api/stats、/api/config 等直接命中扁平路由，无需改前端。访问 / 自动重定向到 /ui/。

多模态视觉记忆（Zeus v18.3）

/add 原生支持多模态：传入 media_url 或 image_url，后端自动调用 OpenAI 兼容 Vision API 生成图片描述（vision_caption）并入库。支持三种图片输入：

{
  "messages": [{"role": "user", "content": "这张照片是我拍的海边日落"}],
  "metadata": {
    "media_url": "https://example.com/sunset.jpg",
    "category": "moment"
  }
}

• 远程 URL：https://...
• Data URI：data:image/jpeg;base64,...
• 纯 Base64：/9j/4AAQ...（自动补齐 data 前缀）

Vision 模型在 mem0_config_local.json 的独立 vision 配置段指定（缺省 fallback 到 llm 段）。

Obsidian 双链联动（Zeus v18.3）

方法	路径	说明
POST	/api/obsidian/sync	接收 Obsidian 笔记推送，解析 [[Wikilink]] 双链并沉淀为实体图谱节点

无损秒级升级（Zeus v18.3）

基于 PRAGMA user_version 的 schema 版本化机制，代码更新与数据重构彻底解耦：纯逻辑更新直接重启生效，表结构变更在启动瞬间以 ALTER TABLE ADD COLUMN 毫秒级完成，不破坏任何存量数据。详见 Fast-Update SOP。

代码图谱（Zeus v18.0）

方法	路径	说明
POST	/code/impact	分析文件改动波及范围（爆炸半径）
GET	/code/graph	查看全项目代码依赖图

检索自进化（Zeus v18.2）

方法	路径	说明
POST	/evolve/feedback	提交检索质量反馈（useful / useless / correction）
GET	/evolve/report	进化统计面板（召回率、权重调整历史）

八爪鱼治理（Opus v16.0）

方法	路径	说明
POST	/conflict/resolve	冲突消解（域名迁移、名称变更自动降权）
GET	/tree/nodes	树状记忆图谱节点列表
POST	/crystals/detect	检测可结晶的高频重复事实
GET	/crystals	查看技能结晶候选项

🦉 Athena 认知层（v19.0 新增）

方法	路径	说明
POST	/reflect	触发主动反思，提炼模式/矛盾/知识缺口为洞察
GET	/reflect/list	列出已落库的反思洞察
GET	/reflect/context	取可注入上下文的反思摘要
GET	/self-edit/edits	查看记忆自编辑（合并/冲突）历史
POST	/self-edit/rollback	回滚一次自编辑（旧内容还原）
GET	/memory/types	六种记忆类型定义与分布
POST	/memory/types/query	按类型检索记忆
POST	/memory/types/backfill	给存量记忆回填类型标签
POST	/memory/refine	触发递归精炼（多条碎记忆 → 高层抽象）
POST	/memory/refine/apply	应用一条精炼产物
POST	/memory/refine/rollback	回滚精炼（原记忆还原）
GET	/memory/refinements	精炼产物列表
POST	/skill/grow	从任务轨迹生长 SKILL.md 草稿（待人工 approve）
GET	/skill/drafts	技能草稿列表
POST	/crystals/use	技能复用打点（成功/失败计数）
POST	/crystals/prune	淘汰低效用技能（标记 archived，不删除）

🎭 人格记忆基座（Persona Memory Layer · v19.0）

方法	路径	说明
POST	/persona/build	构建人格基座（synthesis 合成 / grounded 落地 双模式）
GET	/persona/banks	人格库列表
GET	/persona/detail	单个人格库的 L/G/E 三层明细
POST	/persona/retrieve	按情境检索人格记忆
GET	/persona/context	取可注入的人格上下文
POST	/persona/rollback	回滚到人格库的历史版本

万神殿联邦（Pantheon v13.0）

方法	路径	说明
GET	/federation/recall	联邦检索（MoE 门控自动决策热/联邦通道）
POST	/federation/facts/add	联邦写入（自动去重 + 分层 + 归属）
GET	/federation/agents	Agent 列表（含事实数与在线状态）
POST	/federation/agents/register	注册 Agent 到联邦
GET	/federation/broadcast	拉取其他 Agent 的新共享事实
GET	/federation/awareness	联邦态势摘要

示例

# 搜索记忆
curl -s -X POST http://localhost:8767/search \
  -H "Content-Type: application/json" \
  -d '{"query": "我之前说过项目截止日期是什么？", "user_id": "me", "limit": 5}'

# 带召回漏斗 trace 的搜索
curl -s -X POST http://localhost:8767/search_trace \
  -H "Content-Type: application/json" \
  -d '{"query": "张伟的职业是什么", "user_id": "default", "limit": 3}'

# 添加记忆
curl -s -X POST http://localhost:8767/add \
  -H "Content-Type: application/json" \
  -d '{"messages": "[{\"role\":\"user\",\"content\":\"项目截止日期是3月15号\"}]", "user_id": "me"}'

# 原味抽屉——直存代码片段，不走 LLM
curl -s -X POST http://localhost:8767/add/raw \
  -H "Content-Type: application/json" \
  -d '{"content": "def hello(): print(\"Hello World\")", "source": "my_script.py", "user_id": "me"}'

# 读取模型配置（控制台用）
curl -s http://localhost:8767/config | python -m json.tool

---

aiduMEI 的独特之处

🖥️ 自带可视化控制台（v18.2 全新）

别家的记忆引擎给你一坨 API，自己写前端。aiduMEI 把控制台焊在后端里——克隆即用，六个面板覆盖记忆引擎的完整生命周期。RECALL 追忆面板是灵魂：它不只告诉你"存了什么"，而是用召回漏斗 trace 给你看"它凭什么想起这条"——候选池 8 条 → 点火 → 去重 → 时间衰减 → 最终 3 条，每步耗时与命中数全可见。纯静态前端，不装 node、不打包、不编译（MAP 星图面板用到 ECharts CDN，离线环境该面板降级）。

🔮 相关性闸门（Tahoe-Gate）

普通 RAG 系统对每条消息都去搜索记忆。aiduMEI 的相关性闸门（GET /gate）用启发式 + 动态实体匹配判断当前消息是否真的需要记忆检索。日常闲聊直接跳过检索 → 省掉无谓的向量召回开销，节省 Token 与算力。宿主 Agent 在注入记忆上下文前先问一句闸门即可。

🌊 潮浪并忆（Mnemosyne Tidal）

短消息不逐条调用 LLM。异步缓冲后按 session 分组，一次 LLM 调用处理多条。Tech / intimate / default 三档策略，快冲慢攒各取所需。

⏳ 三轨遗忘曲线（Ebbinghaus Decay）

记忆有保质期。Identity 和 Preference 是永久轨道（零衰减），Emotion 是加速衰减（1.5 倍），一般事实按标准遗忘曲线自然消退。让 AI 学会忘记不重要的事。

🕰️ 克罗诺斯双时间轴（Chronos Dual Timeline）

valid_from / valid_to 时间窗口：过期事实降权但不删除，未生效事实排在后面。所有铁律类记忆永不过期。

⚡ 原味抽屉（Raw Drawer — Zeus v18.0）

借鉴 MemPalace (58k⭐) 的 Verbatim Storage 理念。零 LLM 直存原始文本——代码片段、完整对话、原始日志，绕过 LLM 总结，一字不丢。FTS5 全文索引 + Qdrant 向量 + facts 登记，三路并行。

🔍 代码图谱（Code Graph — Zeus v18.0）

借鉴 code-review-graph (29k⭐) 的 AST 爆炸半径分析。用 Python 标准库 ast 解析项目依赖关系，改一个文件一秒告诉你影响范围。

📈 检索自进化（EvolveMem — Zeus v18.2）

借鉴 SimpleMem (3.7k⭐) 的进化理念。用户可对每次检索结果打分（useful / useless / correction），后台每 6 小时自动计算衰减/提权。高频优质词条自动沉淀，低质词条温柔降权。闭环反馈，越用越聪明。

🏛️ 万神殿联邦记忆（Pantheon Federation）

借鉴 MoE（Mixture-of-Experts）思想：底层建成完整的多 Agent 联邦基础设施，日常只激活当前 Agent 的热通道。

• 联邦身份：每条记忆都带 agent_id / profile / shared，多 Agent 共用一套库互不污染
• MoE 门控：默认走热通道（一次 SQL，5ms 级）；仅在显式请求时才唤起其他 Agent
• 四级无缝降级：L1 本 Agent → L2 分层加权 → L3 同 profile 联邦 → L4 跨 profile 全局
• 写入去重：Jaccard 三态判定——≥0.85 合并、≥0.70 更新、<0.70 新增

🐙 冲突消解与技能结晶（Opus Octopod — v16.0）

• ConflictResolver：域名迁移、名称变更自动检测 + 旧值降权。双时间轴失效而非删除，保留完整历史
• TreeMemory：node_path 层级追溯，事实挂载到树状节点，支持向上追溯祖先
• SkillCrystallizer：后台自动感知高频重复事实，提炼为 Skill 候选。LLM 只能建议，人工 approve 才生效

🛡️ 埃癸斯护盾（Aegis — v14.0）

仓库里没有任何硬编码的身份、绝对路径、服务器地址或密钥。一切可变项走环境变量注入。克隆到任何目录、任何机器，python api_server.py 直接跑。

🌈 伊里斯彩虹桥（Iris — v15.0）

aiduMEI 提供 Hermes Agent 官方 MemoryProvider 插件，拿到全套生命周期钩子——turn 开头注入常驻块与相关检索、每轮后台归档、压缩前把即将丢掉的对话先落进长期记忆、镜像宿主内置 MEMORY.md 写入、三个可直接调用的工具。

cp -r integrations/hermes-plugin/aidumem ~/.hermes/plugins/
hermes config set memory.provider aidumem

🔧 零配置混合检索

BM25 trigram（零延迟兜底） + 向量嵌入 + Reranker 重排序 + 召回漏斗相关性排序。向量服务超时自动热切换到本地全文搜索。

---

接入 Hermes Agent

方式	能力	何时用
A. MemoryProvider 插件（推荐）	全生命周期钩子 + 工具 + 备份	默认选这个
B. Shell Hook	仅 turn 开头注入	宿主不方便装插件时

两种方式不要同时开（会重复注入白烧 token）。完整步骤、验证方法与回滚见 integrations/INTEGRATION_GUIDE.md。

⚠️ 安全：aiduMEI 服务自身不做鉴权，默认只监听 127.0.0.1。要跨机访问请在前面挂带认证 + TLS 的反向代理，别把服务直接暴露到公网。

---

MCP Server（41 工具）

aiduMEI 内置 MCP Server（:8768），暴露 41 个工具，分组如下：

工具组	数量	说明
Core CRUD	6	add / search / delete / update / recent / stats
Facts	4	facts_add / facts_search / facts_list / facts_delete
Code Graph	2	code_impact / code_graph
Session	2	session_list / session_history
Reflect	2	reflect_recent / reflect_trace
Core Memory	3	core_memory_get / core_memory_set / core_memory_list
AutoDream	2	dream_trigger / dream_status
Raw Drawer	2	raw_add / raw_search
Knowledge Tree	3	tree_nodes / tree_node / tree_ancestors
Crystals	3	crystals_list / crystals_detect / crystals_approve
Conflict	1	conflict_resolve
Evolve	2	evolve_feedback / evolve_report
Federation	6	fed_recall / fed_add / fed_agents / fed_register / fed_broadcast / fed_awareness
Persona（v19.0）	3	persona_build / persona_retrieve / persona_banks

---

IDE 集成

Cursor

# 将规则文件复制到项目
cp integrations/cursor-hook/cursor-aidumem.mdc .cursor/rules/

# 文件保存时自动存入 Raw Drawer
cp integrations/cursor-hook/aidumem-on-save.sh .git/hooks/post-commit

Claude Code

python integrations/cursor-hook/claude-code-hook.py store --file my_code.py
python integrations/cursor-hook/claude-code-hook.py search --query "database connection"
python integrations/cursor-hook/claude-code-hook.py impact --file ducky/utils.py

---

技术栈

• 运行时：Python 3.12+、FastAPI、Uvicorn
• 记忆内核：mem0 v2.0.18
• 向量存储：Qdrant（通过 qdrant-client）
• 结构化数据：SQLite（facts.db、observations.db、scenes.db、fact_events.db）
• 全文搜索：SQLite FTS5 + trigram 分词器
• 向量化：可配置（兼容 OpenAI Embedding API）
• 重排序：可配置（兼容 OpenAI Rerank API · 多 provider 抽象：OpenAI-compatible / Jina / Cohere）
• 大模型：兼容任何 OpenAI 格式的 API
• MCP：fastmcp stdio + HTTP 双模
• 控制台：零依赖纯静态（HTML + CSS + 原生 JS + ECharts CDN），由后端 /ui 直接托管

---

配置说明

aiduMEI 从 mem0_config_local.json 读取配置。主要字段：

{
  "llm": {
    "provider": "openai",
    "config": {
      "model": "你的模型",
      "api_key": "你的密钥",
      "openai_base_url": "你的接口地址",
      "is_reasoning_model": false,
      "reasoning_effort": "none"
    }
  },
  "embedder": {
    "provider": "openai",
    "config": {
      "model": "your-embedding-model",
      "api_key": "你的密钥",
      "openai_base_url": "你的接口地址"
    }
  },
  "rerank": {
    "enabled": true,
    "provider": "openai_compatible",
    "config": {
      "model": "你的重排模型",
      "api_key": "你的密钥",
      "openai_base_url": "你的接口地址"
    }
  },
  "vector_store": {
    "provider": "qdrant",
    "config": {
      "path": "./data/qdrant",
      "embedding_model_dims": 1024
    }
  }
}

💡 LLM 的 is_reasoning_model: false + reasoning_effort: "none" 是刻意写死关闭的——记忆提取需要快速直答，不需要深度推理。控制台 SETTINGS 面板的"思考模式"区块只读展示这一状态。

---

环境变量

v14 Aegis 起，所有与部署环境相关的可变项都通过环境变量注入，全部可选——不设置就走安全默认值。

变量	默认值	说明
AIDUMEM_HOME	仓库根（__file__ 自动解析）	覆盖仓库根目录
AIDUMEM_DATA_DIR	<repo>/data	数据库与向量库落盘位置
AIDUMEM_LOG_DIR	<repo>/logs	日志目录
AIDUMEM_CONFIG_FILE	<repo>/mem0_config_local.json	mem0 配置文件路径（由 AIDUMEM_HOME 推导，固定文件名）
AIDUMEM_DEFAULT_USER_ID	default	默认 user_id
AIDUMEM_DEFAULT_AGENT_ID	local	联邦默认 agent_id
AIDUMEM_LEGACY_USER_IDS	空	历史 user_id 映射（逗号分隔，如 admin,user），映射后老数据才能被召回。v19.1.1 起不再硬编码 admin/user 映射
AIDUMEM_API_TOKEN	空	REST API 访问令牌；设置后所有接口强制 Authorization: Bearer。本地/回环可不设，对外部署必设
AIDUMEM_API_PORT	8767	API + 控制台监听端口
AIDUMEM_ENTITY_KEYWORDS	空	相关性闸门的自定义实体词表，| 分隔
UI_DIR	<repo>/frontend	控制台静态文件目录（不存在则仅 API 模式）
AIDUMEM_CONFIG_READONLY	0	控制台配置只读模式（1=禁止在线改配置）

完整清单连注释见 .env.example，cp .env.example .env 起步。

---

仓库结构

aiduMEI/
├── api_server.py          # 主入口（API + /ui 控制台托管）
├── ducky/                 # 业务逻辑（各神祇模块）
│   ├── hot/               #   搜索/健康/遗留端点
│   ├── pipeline/          #   相关性闸门
│   ├── speed/             #   潮浪合并/速度优化
│   ├── salience/          #   显著性/车道衰减
│   ├── federation/        #   万神殿联邦
│   ├── evolve_mem.py      #   检索自进化
│   ├── routes_config.py   #   控制台 /config 路由
│   └── ...
├── frontend/              # aiduMEI 控制台（零依赖纯静态）
│   ├── index.html
│   ├── css/style.css
│   ├── js/                # api.js · panels.js · main.js
│   ├── *.png              # 六面板图标 + logo
│   └── dev_server.py      # 本地开发代理（可选）
├── tools/                 # 开发工具（截屏脚本等）
├── seed_demo.py           # 脱敏演示数据种子（虚构人物/公司）
├── seed_facts.py          # 知识树事实种子（6 域 28 条）
├── mem0_config_local.json # 模型配置（gitignored，含密钥）
├── docs/screenshots/      # 控制台截图
└── requirements.txt

---

_{aiduMEI⚕爱嘟优忆思｜Powered by monkey²}