NexSandglass / Nyx（夜神）

Nyx — 把「检索失败」也当作一类信号的记忆系统

别的记忆系统回答「找到了什么」，Nyx 还回答「我是不是见过」

用户说「我们聊过的那家川菜馆」，检索返回空。agent 只能答「我没有相关记忆」—— 但用户确实聊过，只是当时的说法和现在不一样。

这是 recall 系统的一类系统性失败： 没发生过，和发生过但没找到， 在所有主流检索器里返回的是同一个东西 —— 空。

	向量检索	BM25 / FTS	Nyx Déjà Vu
没发生过	top-k 非空但全是噪音	0 命中	陌生（明确信号）
发生过但找不到	top-k 非空但全是噪音	0 命中	熟悉 + 找回痕迹
能否区分这两者	✗	✗	✓

Nyx 不去和向量库比召回率 —— 它不降 miss 率。它做的事是把 miss 分成两类， 让上层知道什么时候该说「没聊过」，什么时候该说「好像聊过，我再找找」。

from nexsandglass.dejavu import DejaVu      # 零依赖，stdlib + sqlite3

dv = DejaVu("./my_memory")
dv.imprint("msg-1", "上周三和张老板聊了川菜馆的事")

dv.sense("我们聊过的那家川菜馆")   # -> 熟悉 0.22（普通检索在这里返回空）
dv.hunt("川菜馆")                 # -> [Phantom(token='川菜馆', refs=['msg-1'], ...)]

两层结构：Veil（Bloom Filter，128 KiB）回答「这个词见过没有」， Mist（SQLite）记录它何时、何地、几次出现过。

⚠️ 它不是什么：不替代检索器，不提高召回质量。 实测中 sense() 能正确标出「熟悉」的场景，hunt() 往往找不回细节 —— 分类有效，寻回有限。完整实测数据见 benchmarks/dejavu_bench.py， 设计取舍见 docs/dejavu.md。

和 mem0 / cognee / Zep 的差别：那些系统在「如何在找得到的时候找得更准」上竞争 （更好的 embedding、更好的图结构、更好的重排）。Nyx 的 Déjà Vu 处理的是 它们都不返回的那一格 —— 检索失败本身。两者的关系是互补而非替代。

---

📋 核心能力

能力	模块	说明
👻 Déjà Vu	dejavu/（独立子包）	「感觉聊过但搜不到」 —— Veil(Bloom) + Mist(SQLite)，零依赖，可单独安装使用
🧠 沙漏 Sandglass	core/sandglass_sqlite.py	长期记忆存储、全文搜索、语义搜索
🆔 ID 中枢	core/memid.py	记忆唯一标识（mem_id）+ 物理行号跨度（line_start/line_end）+ 墓碑（v7.4）
🗑️ 擦除级联	core/erasure.py	一次删除贯通中枢/日志正文/FTS/倒排/影子/engram/向量，可独立验收（v7.4）
🕸️ 织线 Thread	features/weavethread.py	知识图谱（实体关系三元组），支持时间窗口查询
🏜️ 影子沙 Fact Store	features/shadow_sand.py	结构化事实存储（带信任评分）
📊 情绪/画像	core/emotion_vocab.py, l3/persona_l3.py	用户状态追踪、偏移率计算、回音折
🌙 梦境 Dream	dream/	夜间多阶段复盘：记忆整理、反思成长、创造联结
🔍 语义检索	core/embedding_provider.py, core/vector_search.py	真正的向量语义检索（本地多语言模型 + RRF 混合，v3.4.0）
🤖 LLM 图谱抽取	core/llm_extract.py, features/weavethread.py	可选 LLM 知识图谱补充抽取 + 实体归一化（可降级，v3.4.0）
🔌 MCP 接口	interfaces/sandglass_mcp.py, interfaces/nyx.py	MCP 工具接入 Hermes / Claude
🧬 记忆加工	engram/types.py, engram/decay.py	Tulving 四类记忆 + Ebbinghaus 衰减（EngramTide 融合）
🧬 差异化写入	engram/writer.py	semantic 覆盖 / emotional 强化 / procedural 去重 / episodic 直插
🧬 Constitutional	engram/context.py	记忆融入 system prompt 隐性影响（自然无痕）
🔄 记忆自我演化	engram/evolve.py, engram/loops/	四闭环：事实↔图谱、梦境→加工、画像→上下文、召回→重要性
🌙 梦境管线	engram/dream_pipeline.py, engram/prompts/	hypnos 三女神融合：浅睡总结→深睡内化→灵感联结
🎛️ 热路径收编	runtime/orchestrator.py	NyxOrchestrator：写入/召回统一入口，包住底层引擎
🧭 意图召回	runtime/intent.py	MemoryIntent 自适应召回（v5.0），语义/时间/领域/关系感知排序
📦 记忆 Bundle	runtime/bundle.py	MemoryBundle 合并两套出口（Constitutional + system_prompt），10 槽位
🌱 候选晋升	runtime/promotion.py	"什么值得记住"——Observation→Extract→Score→Type→Promote/Session/Drop
🕰️ 时序事实	engram/loops/temporal_fact.py	current_only / as_of / history_of 演变链，不静默覆盖
🌙 Consolidation Engine	runtime/consolidation.py	Dream 生产化：Proposal→Validator→Apply/Quarantine + 快照回滚
🧭 Cognitive OS 端到端	runtime/eval.py, orchestrator.cognitive_recall	Formation→Store→Dream→Intent→Bundle→Context→Agent 全链路

---

✨ 新增能力（Phase 0-7, v4-v7）

在原有记忆基础设施之上，新增的"认知记忆"层次，解决 What to remember / What to recall now / How memory changed 三问。

🎛️ 稳定门面 + 热路径收编（Phase 0-1）

• runtime/facade.py：四个稳定操作 observe / recall / feedback / forget，对外不暴露实现细节
• runtime/orchestrator.py：NyxOrchestrator 收编所有热路径——写入经 FormationRouter，读取经 RecallPlanner
• 禁止新代码直写内部表（dev escape hatch 打日志）；MCP 工具仍可暴露但内部转 orchestrator

🧭 意图感知自适应召回（Phase 4, v5.0）

• runtime/intent.py：MemoryIntent 解析 entities / temporal / domain / relation / types / current|history
• 策略路由：ownership+vehicle+previous → 多源；熟悉但搜不到 → nyx_hunt；generic → SearchRouter 混合
• 多因子排序：semantic / temporal_validity / importance / confidence / recency / lifecycle_penalty / trust
• 意图失败自动降级 generic_semantic；包住而非替换 SearchRouter

📦 MemoryBundle 合并出口（Phase 3）

• runtime/bundle.py：把 engram Constitutional + Provider system_prompt 两套出口统一为 10 槽位 Bundle
• core_facts / preferences / current_thread / historical_events / related_memories / contradictions / confidence_summary / temporal_state / persona_layer / offset_layer / open_loops
• 流水线：candidates → score → temporal → budget → compress → render；utility = relevance/token_cost

🌱 候选晋升（Phase 4 记忆选择）

• runtime/promotion.py：替代默认"整轮 dump"，只晋升值得长期记住的
• 复用 engram.writer 差异化策略（override/reinforce/dedup/insert）
• 重复→reinforce 不双写；冲突→conflict candidate 不静默覆盖；闲聊/OTP 不晋升

🕰️ 时序事实（Phase 5, v6.0）

• engram/loops/temporal_fact.py：get_current / as_of / history_of / evolution_chain
• 写入新值 → 旧值 valid_until=now + historical，新值 active + 链接；禁止静默覆盖
• Golden：2025 Tesla → 2026 Geely，现在 vs 以前答案不同

🌙 Dream 生产化（Phase 6, v6.5）

• runtime/consolidation.py：所有变更 → DreamProposal → Validator → Apply/Quarantine
• 保留 provenance（source memory ids）；destructive merge 可回滚快照
• 压缩/抽象/关系/冲突/衰减；冲突写入 Bundle.contradictions；异步调度不阻塞热路径

🧭 Cognitive OS 端到端（Phase 7, v7.0）

• orchestrator.cognitive_recall()：Formation→Store/Graph→Dream async→Intent Recall→Bundle→Context→Agent
• runtime/eval.py：formation P/R、temporal accuracy、token utility、p95 latency
• MCP 统一入口 memory_observe / memory_recall / memory_feedback / memory_forget（旧工具保留作适配层）

---

📦 包结构

nexsandglass/
├── core/                        # 基础设施
│   ├── memid.py                     # 🆔 ID 中枢：记忆唯一标识 + 行号跨度 + 墓碑（v7.4）
│   ├── erasure.py                   # 🗑️ 擦除级联：中枢/日志/FTS/索引/影子/向量（v7.4）
│   ├── embedding_provider.py        # 语义向量后端（本地/外部 API，Task 1）
│   ├── vector_store.py              # 向量存储（JSON/sqlite-vec，Task 1）
│   ├── vector_search.py             # 向量语义检索 + RRF 融合（Task 1）
│   ├── search_router.py             # 检索路由器（五路混合排序）
│   ├── llm_extract.py               # 可选 LLM 抽取接口（Task 2）
│   ├── sandglass_sqlite.py          # SQLite 沙漏存储
│   ├── sandglass_paths.py           # 数据路径管理
│   ├── sandglass_archive.py         # 记忆归档
│   ├── l0_buffer.py                 # L0 缓冲层
│   ├── emotion_vocab.py             # 情绪词库
├── interfaces/                    # 对外接口
│   ├── nexsandglass.py              # 主接口
│   ├── nyx.py                       # Nyx 适配层（含 Veil Bloom Filter + Déjà Vu 寻回）
│   ├── sandglass_mcp.py             # MCP 工具
│   └── plugin.py                    # 插件接口
├── features/                      # 特性模块
│   ├── weavethread.py               # 知识图谱（正则 + 可选 LLM 抽取，Task 2）
│   ├── shadow_sand.py               # 结构化事实存储（信任评分）
│   ├── sandglass_vault.py           # 沙漏索引检索
│   ├── soul_diff.py                 # 灵魂差分导出/迁移
│   ├── nightwatch.py                # 夜间值守
│   └── ...                          # decision_particles/multi_analysis/pulse/think
├── l3/                          # L3 层（高级记忆）
│   ├── persona_l3.py                # 画像构建
│   ├── l3_search_core.py            # SimHash/搜索核心
│   └── ...                          # tasks/emotion/scene/offset/weave/arch
├── engram/                      # 🧬 EngramTide 融合层（记忆加工）
│   ├── types.py                     # Tulving 四类记忆
│   ├── decay.py                     # Ebbinghaus 衰减 + 浮现 + 激活
│   ├── writer.py                    # 差异化写入 + embedding 计算（Task 1）
│   ├── context.py                   # Constitutional 上下文
│   ├── evolve.py                    # 演化协调器
│   ├── dream_pipeline.py            # 🌙 梦境管线（hypnos 融合）
│   ├── prompts/                     # 三女神 prompt（Mnemosyne/Epimetheus/Prometheus）
│   └── loops/                       # 四闭环（事实↔图谱/梦境↔加工/画像↔上下文/召回↔重要性）
└── utils/                       # 工具
    ├── heartbeat.py                 # 心跳
    └── discipline.py                # 纪律约束```

---

## 📊 Benchmark

基于 `tests/eval/run_eval.py` 运行的记忆系统评测（测试集 60 条，top-k=5）：

| 指标 | 结果 |
|------|------|
| 词法检索召回率 | 75.00% |
| Episodic 记忆 30 天衰减后权重 | 22.31% |
| 评测脚本 | `tests/eval/run_eval.py` |

>注：混合检索（词法+RRF向量）需要安装 `[vector]` 或 `[chroma]` 额外依赖后运行。

---

## 🚀 安装

### 方式一：pip 安装（推荐）

```bash
pip install nyx-memory

带 MCP 支持：

pip install "nyx-memory[mcp]"

带向量语义检索：

pip install "nyx-memory[vector,chroma]"

包名 nyx-memory（PyPI）；Python 模块名仍为 nexsandglass（import nexsandglass）。

方式二：直接安装

# Linux / macOS
./install.sh

# Windows
install.bat

方式三：Docker

docker compose up -d

方式四：作为 Hermes 技能

技能文件位于 skills/nyx/，复制到 Hermes 技能目录即可自动加载：

cp -r skills/nyx ~/.hermes/skills/memory/

---

🔧 配置

memory_bus_config.yaml（或 Hermes config.yaml）示例：

memory:
  provider: nexsandglass
  memory_enabled: true
  user_profile_enabled: true
  nyx:
    sandglass:
      backend: tfidf        # 或 chromadb
      auto_consolidate: true
    dream:
      enabled: true
      cron: "0 3 * * *"
    dejavu:
      enabled: true
      sensitivity: 0.7

---

🛠️ MCP 工具

工具	功能
sandglass_search	倒排索引关键词搜索
sandglass_semantic	语义搜索（TF-IDF / ChromaDB 后端）
sandglass_recent	最近 N 条记忆
sandglass_persona	当前主人画像
sandglass_offset	当前偏移率（决策趋势）
sandglass_echo	回音折（情感风向）
sandglass_chart	情绪熵 ASCII 可视化
sandglass_dejavu	Déjà Vu 模糊感知（check/stats/save_bf/awaken）
sandglass_thread	织线知识图谱查询
sandglass_thread_graph	实体子图展开
sandglass_thread_weave	因果链摘要
sandglass_dream	幽灵决策（"如果选另一个选项会怎样"）
sandglass_export/import	记忆迁移
soul_export/merge	灵魂差分导出/合并
fact_store	事实增删查（信任评分）
fact_feedback	信任评分反馈
memory_observe	🆕 统一记忆写入入口（经 PromotionEngine 晋升）
memory_recall	🆕 统一记忆召回入口（经 MemoryIntent 自适应）
memory_feedback	🆕 统一反馈入口
memory_forget	🆕 统一遗忘入口

---

📖 使用示例

# 搜索记忆
sandglass_search(query="荷兰 BV 公司", limit=10)

# 语义搜索
sandglass_semantic(query="如何优化网络延迟", backend="tfidf")

# 查看主人画像
sandglass_persona()

# 查询知识图谱
sandglass_thread(entity="用户", relation="偏好", limit=5)

# 展开知识子图
sandglass_thread_graph(entity="Xian Delicious Foods", depth=2)

# 幽灵决策
sandglass_dream(question="如果选择另一个方案会怎样")

---

📊 数据存储

数据	位置	格式
沙漏记忆	~/.hermes/sandglass/	SQLite / JSONL
织线图谱	~/.hermes/sandglass/thread/	JSON（三元组）
事实存储	~/.hermes/sandglass/facts/	SQLite
Déjà Vu	~/.hermes/sandglass/dejavu.bf	Bloom Filter 持久化
梦境日志	~/.hermes/dreams/	Markdown

---

📝 更新日志

v7.5.0 (2026-09-13) — Déjà Vu 独立子包 + 性能修复

新增

• 👻 nexsandglass/dejavu/：Déjà Vu 从 interfaces/nyx.py 抽出为独立子包， 零外部依赖（stdlib + sqlite3），可单独安装使用
  • DejaVu(storage_dir) 显式传目录，不再假设 ~/.hermes 或任何路径
  • imprint(key, text, ts) —— key 为调用方任意字符串，不再假设是沙漏行号
  • sense(text) -> FamiliarityResult（dataclass）、hunt() -> list[Phantom]
  • persist / reindex / forget / cleanup / gaze，支持上下文管理器
• 📊 benchmarks/dejavu_bench.py：全量实测基准（假阳性率、拐点、延迟、占用、 「熟悉但检索不到」对照实验），结果落 benchmarks/results/dejavu_bench.json
• 🔁 benchmarks/render_docs.py：文档数字自动渲染自基准结果，不手抄
• 📄 docs/dejavu.md / docs/dejavu.en.md：对外技术文章（中英）
• 🧪 tests/test_dejavu.py：30 项独立测试
• 🚀 examples/dejavu_minimal.py：30 行可跑 demo

修复

• ⚡ imprint 慢 17 倍：原先每个 token 一次 commit()（fsync 密集）， 实测 66 ms/条。改为整条记忆一次事务提交 → 3.98 ms/条
• ⚡ hunt 慢 3000 倍：stalk 用 LIKE '%x%' 子串匹配，前导通配符无法走索引， 23 万行时单次 30-105ms；且 hunt 对每个候选 token 各降级一次。 改为先精确匹配（走主键索引 0.01ms）+ 整体降级一次 → 406ms → 0.13ms
• 🛠️ 基准单节运行覆盖整个 JSON：--section fp 会抹掉 B/C/D 的历史结果， 导致文档数字失准。改为合并写盘
• 📉 MAX_REFS 50 → 20（实测省 32% 磁盘、快 20%；50 个引用是过度设计）

记录在案的失败尝试

• ⚠️ refs 规范化到独立表 —— 实测更差（磁盘 518 B/token vs 内嵌 151 B/token， 写入慢 5 倍），已回退。原因：内嵌串每 token 一行，规范化后每 (token,key) 一行， 行数放大 N 倍，SQLite 每行固定开销吃掉收益。代码中保留了这段说明

实测结论（诚实报告）

• 假阳性率实测与理论吻合到小数点后三位（验证实现正确）
• 1M bits 位图在真实中文场景约 1.8 万条记忆达到 1% 假阳性（非标称的百万）
• 对照实验：FTS5 找回 0/4，sense() 判熟悉 3/4，hunt() 找回 0/4 → 分类有效，寻回有限，这是「零依赖」契约的必然代价，已在文档中写明

v7.4 (2026-09-13) — ID 中枢落地 + 数据目录解析修复

新增

• 🆔 core/memid.py：记忆唯一标识中枢。一条记忆 ≠ 一个物理行—— 日志按「时间戳 | 发送者 | 正文」切分为逻辑记忆，多行消息记 line_start/line_end 跨度； 不再依赖「行号 = 记忆」这一在 1590 条多行消息面前失效的假设。 提供 allocate / resolve / get / tombstone / verify / repair_from_journal / health
• 🗑️ core/erasure.py：擦除级联。一次 forget 贯通中枢墓碑 → 日志正文原地抹除（保持行数） → FTS → 倒排 → 影子(trust/fact_tags/entities/triples) → engram → 向量； verify_erasure 独立验收「内容真的没了」；forget(apply=False) 默认 dry-run
• 🩺 scripts/nyx_healthcheck.py：六项体检（hub_vs_journal / fts_index / erasure_integrity / inverted_index / write_amplification / entity_index），OK/WARN/BAD 三态
• ✅ 新增测试 6 个文件：test_memid test_step2_writepath test_step3_indexing test_step4_repair test_step5_erasure test_step7_leaks

修复

• 🛠️ 缺陷1 数据目录在 import 时固化 core/memid.py：_DB/_SANDGLASS 在导入时求值并永久固定， 之后 NEXSANDBASE_HOME 改变也不生效。跨目录场景（测试隔离、多租户、同进程切换数据目录）下 写入端与读取端指向不同目录，/api/memories 永远读不到刚写入的日记。 改为惰性解析（_db_path() / _journal_path() / _lock_path() 每次读环境）
• 🛠️ 缺陷2 路径覆盖跨环境泄漏 core/memid.py：set_db_path() 建立的覆盖永不失效， A 测试留下的覆盖会污染 B 测试。新增「覆盖归属目录」判定——环境换目录即自动作废； 同时支持直接 setattr 的场景（按路径自身所在目录比对）
• 🛠️ 缺陷3 模块级路径固化 + 父包持有旧模块引用 nyx_server.py： del sys.modules[...] 后重新 import 拿到的仍是旧模块对象（父包 nexsandglass 仍持有引用）， 重载形同虚设。改用 PEP 562 __getattr__ 惰性属性，无需重载即可跟随数据目录
• 🔗 core/erasure.py 跟进上述惰性化（原先引用 memid._SANDGLASS 模块属性）

教训（写入 README 以免重蹈）

• ⚠️ 按 line_start 抹除日志前，必须先验证行号语义。本版清理测试夹具时， 中枢里存在伪行号记录（测试写到临时 journal，算出 line_start=1,2,3…）， 而生产日志的第 1、2、3 行是真实对话——一次 forget 误抹 345 行真实记忆。 这类污染不能按行号抹除，须以「重建中枢」（从日志重新分配 mem_id）方式处理； 修复缺陷1/2 正是为了不再产生新的伪行号记录
• ⚠️ 破坏性操作前先备份，且 dry-run 需人工核对「目标行号在生产日志里究竟指向什么」， 仅看「选中 N 条」是不够的

v7.3 (2026-08-27) — 3 个引擎缺陷修复（Windows 沙盒测试发现）

• 🛠️ 缺陷1 shadow_sand 批提交策略导致同库直写死锁：_maybe_commit 每累积 3 次写才 commit， 持久连接在操作间隙仍持有 shadow_sand.db 写锁，阻塞同库其他连接（resolve_temporal_conflict 直连 weavethread._DB）→ database is locked、写入被吞。改为每次写操作结束立即 commit
  • _get_conn 加 timeout=10 + PRAGMA journal_mode=WAL，移除 _commit_pending 计数器
• 🛠️ 缺陷2 _Mist 连接跨线程崩坏导致 phantom 数据静默丢失：_drift() 建持久连接未设 check_same_thread=False，跨线程用（SearchRouter/MCP）在 Python 3.11+ 抛 ProgrammingError 被 except 吞掉。改为 check_same_thread=False + _Mist 加 threading.RLock 保护 haunt/stalk/census 及 nyx_forget/cleanup/reindex 全部 DB 操作
• 🛠️ 缺陷3 temporal_fact 隐藏依赖外部建表：wthread_triples 的 DDL 只在 weavethread._ensure_table() 定义，第三方直接使用 temporal API（全新空库/未触发 weavethread）→ no such table 静默失败、 读路径直接崩溃。新增参数化 _ensure_table(db_path) 并在 resolve_temporal_conflict 与 ensure_temporal_columns 内调用，使模块自足建表；并为 TEMPORAL_RELATIONS 补语义 docstring
• ✅ 3 项均以独立 ad-hoc 验证脚本复现+验证（缺陷1 5/5、缺陷2 4/4、缺陷3 6/6）；全量 19 测试文件逐文件独立运行全绿

v7.2 (2026-08-18) — DoD 收尾：5 golden scenarios + 单一事实来源

• ✅ DoD#7 新增 5 个 golden scenarios 自动化验收（tests/test_engram_cognitive_os.py）： A. "还是按照之前那个方案" → 找回决策/约束/结论；B. 跨 session 偏好演化（Tesla→Geely）； C. 闲聊不污染长期记忆（Formation 门禁）；D. token_budget 受限保留铁律/关键事实；E. 单源失败降级不崩
• ✅ 每个 golden 场景使用独立临时数据目录（NEXSANDBASE_HOME），不污染生产记忆、场景间不串扰
• ✅ DoD#9 skills/memory/nyx/SKILL.md 收敛单一事实来源：删除历史 scripts/engram 副本残留引用， 代码路径统一指向 nexsandglass/engram，移除"双向同步拷贝"铁律
• ✅ test_engram_cognitive_os.py 全绿（21 项检查 PASS）
• ✅ 9 条 Definition of Done 全部达标：唯一 API / 经 Promotion / Intent-Rank 召回 / Bundle 唯一出口 / temporal current vs history / Dream Proposal / golden scenarios / 无双写与 NameError / 无第二套实现

v7.1 (2026-08-12) — runtime 脚手架修复（B0 契约 + 7 阻断 bug）

• 🛠️ Bug1 system_prompt_block open_loops NameError → 不再静默 fallback 旧拼接（改用 open_loops_layer）
• 🛠️ Bug2 cognitive_recall 误调 intent.history_context 实例方法 → 改用模块级函数
• 🛠️ Bug3 sandglass_mcp tools/list 补声明 memory_observe/recall/feedback/forget 四工具
• 🛠️ Bug4 RecallPlanner._adapt_nyx 对齐 nyx_sense/hunt 真实返回结构（phantom whisper + 熟悉度）
• 🛠️ Bug5 sync_turn 与 FormationRouter 双写 sandglass → 加 raw_already_logged 参数，审计日志一行一次
• 🛠️ Bug6 facade.feedback 传空 memories 名存实亡 → 加载匹配行并回写权重（helpful 提升 / weaken 降低）
• 🛠️ Bug7 删除 skills/nyx/scripts/ 与主包分叉的 22 个副本，单一事实来源归 nexsandglass/
• 📄 新增 RUNTIME.md（B0 唯一对外 API + MemoryContext/MemoryObject 契约）+ PR_BUGFIX.md
• ✅ 新增 tests/test_runtime_{api,b1,b2,b3,bugfixes}.py；全量 19 个测试文件独立运行全绿

v7.0 (2026-08-12) — Cognitive Memory OS 全链路

• 🧭 Cognitive OS 端到端：Formation→Store/Graph→Dream async→Intent Recall→Bundle→Context→Agent
• 🧭 评测框架 runtime/eval.py：formation P/R、temporal accuracy、token utility、p95 latency
• 🎛️ MCP 统一入口 memory_observe/recall/feedback/forget（旧工具保留适配层）

v6.5 (2026-08-12) — Dream 生产化

• 🌙 runtime/consolidation.py：DreamProposal→Validator→Apply/Quarantine + 快照回滚
• 🌙 冲突写入 Bundle.contradictions；异步调度不阻塞 observe/recall

v6.0 (2026-08-12) — 时序事实

• 🕰️ engram/loops/temporal_fact.py 融合查询 API：current_only / as_of / history_of / evolution_chain
• 🕰️ 不静默覆盖：旧值 historical + 新值 active + supersedes 链接

v5.0 (2026-08-12) — 意图自适应召回

• 🧭 runtime/intent.py：MemoryIntent 解析 + 策略路由 + 多因子排序
• 🧭 意图失败降级 generic_semantic；包住 SearchRouter

v4.0 (2026-08-12) — 候选晋升

• 🌱 runtime/promotion.py：Observation→Extract→Score→Type→Promote/SessionOnly/Drop
• 🌱 重复→reinforce；冲突→conflict candidate；闲聊/OTP 不晋升

v3.5.0 (2026-08-12) — 稳定门面 + 热路径收编

• 🎛️ runtime/facade.py：observe/recall/feedback/forget 稳定门面
• 🎛️ runtime/orchestrator.py：NyxOrchestrator 收编热路径（FormationRouter/RecallPlanner）
• 📦 runtime/bundle.py：MemoryBundle 合并两套出口
• 🧬 engram/types.py：MemoryObject canonical schema + lifecycle 状态机

v3.4.1 (2026-08-01) — 评测框架补全

• 📊 评测测试集扩充至 60 条（fact_exact 10 / fact_semantic 15 / cross_session 10 / emotional 8 / procedural 8 / tech 9）
• 📊 run_eval.py 词法对比真实接入（token 重叠检索），产出具体数字：
  • 首轮评测：60 条测试集词法召回率 75%，衰减系数 0.223（30 天 episodic）
  • 报告模板：tests/eval/latest_report.md
• 混合检索对比支持注入向量组件后自动启用（RRF 融合）

v3.4.0 (2026-08-01) — 审查问题修复

• 🔍 真正的语义检索（Task 1）：新增 core/embedding_provider.py（本地 sentence-transformers + 外部 API 可插拔）、core/vector_store.py（JSON/sqlite-vec 后端）、core/vector_search.py（向量检索 + RRF 融合）；SearchRouter 新增第五路向量检索，与现有四路做混合排序；engram/writer.py 写入时自动计算 embedding
• 🤖 LLM 知识图谱抽取（Task 2）：新增 core/llm_extract.py（可选接口）；features/weavethread.py 新增 wthread_extract_with_source（regex/llm 来源标注）和 wthread_extract_llm（可降级 LLM 补充抽取）；环境变量 WTHREAD_LLM_EXTRACTION=1 开启，关闭时纯正则
• 📝 文档修复（Task 3）：README 包结构替换虚构路径（core/thread_*.py→features/weavethread.py, core/fact_store.py→features/shadow_sand.py, core/persona.py→l3/persona_l3.py）；修正 Déjà Vu 描述（明确实现在 interfaces/nyx.py 的 _Veil Bloom Filter + nyx_hunt 寻回）

v3.3.0 (2026-07-31) — 🌙 hypnos 梦境融合

• 🌙 新增 engram/dream_pipeline.py：hypnos 三女神流程并入 Nyx 梦境
• 🌙 Mnemosyne 浅睡总结（prompt + 规则兜底）/ Epimetheus 深睡内化（确定性代码）/ Prometheus 灵感联结
• 🌙 新增 engram/prompts/：hypnos 三女神 prompt 资产入库
• 📝 README/SKILL.md 更新：梦境管线章节 + 融合设计文档

v3.2.0 (2026-07-31) — 🔄 记忆自我演化

• 🔄 新增 engram/loops/ 四闭环 + engram/evolve.py 演化协调器
• 🔄 闭环1 Thread↔FactStore：事实→图谱自动更新，图谱反向验证冲突
• 🔄 闭环2 Dream↔Engram：梦境触发重分类（≥3次提炼）/合并/关系发现
• 🔄 闭环3 Persona↔Context：画像确认事实加权，字段变更触发重建
• 🔄 闭环4 Recall↔Writer：成功召回提升重要性，长期无关加速衰减
• 📝 README/SKILL.md 更新：演化闭环章节 + 设计文档

v3.1.0 (2026-07-31) — 🧬 EngramTide 融合

• 🧬 新增 nexsandglass/engram/ 记忆加工层（types / decay / writer / context）
• 🧠 Tulving 四类记忆：semantic / episodic / emotional / procedural 差异化写入
• ⏳ Ebbinghaus 指数衰减：episodic/emotional 衰减，DECAY_FLOOR 永不归零
• 📤 分层浮现 R1-R4：规则 > 高唤醒情绪 > 未解决 > 近期事件
• ⚡ 逐轮激活：当前输入相似记忆 boost（封顶 1.0）
• 📜 Constitutional 上下文：记忆隐性影响回复，严禁暴露机械检索
• 📝 README 更新：包结构 + 核心能力表加入融合层

v3.0.0 (2026-07-31)

• 🔄 重构为模块化包结构（core / interfaces / utils / features / l3）
• 🧠 技能层同步：skills/nyx/ 完整纳入仓库（SKILL.md + 14 篇参考文档）
• 📝 README 重写：新增架构说明、MCP 工具表、使用示例
• 🐛 修复 _fail_open 装饰器循环导入问题
• 🔀 合并远端文件（nyx.py、PROTOCOL.md、demo/）

早期版本

• v2.9.9：雷军 TOCTOU 修复（Lock + 元组原子赋值）
• v2.9.9：词库自生长修复（马云 + 托尼双审）
• 基础沙漏记忆存储与检索

---

📄 License

MIT License

---

Made with 🧠 by Nyx — 夜神记忆感知系统