palacelite 0.4.1

轻量级 AI 记忆系统

PalaceLite

轻量级 AI 记忆系统，灵感来自MemPalace。默认离线运行，数据完全本地化。

核心概念

采用三层结构组织记忆：Wing（项目或人）→ Room（具体话题）→ Drawer（记忆条目）。每条记忆存储原文和向量，支持混合检索（向量相似度 + 时间衰减 + 重要性加权）。

安装

git clone https://github.com/fajknli/palacelite.git
cd palacelite
pip install -e .
pip install -r requirements.txt

或者:

pip install palacelite

首次使用需下载嵌入模型（约百MB，BAAI/bge-small-zh-v1.5），添加 --online 参数即可自动下载，之后可永久离线运行。

快速开始

CLI

# 添加记忆
palacelite add -w default -r chat -c "用户喜欢 PostgreSQL"

# 搜索
palacelite search -q "数据库"

# 带记忆对话（需要 GGUF 模型）
palacelite chat -m /path/to/model.gguf -w default -r chat

# 列出活跃记忆
palacelite list

# 归档超过90天且重要性低于2的记忆
palacelite archive-old --days 90 --importance 2

# 导出已归档记忆（自动保存到 ~/.palacelite/exports/）
palacelite export-archived

# 永久删除已归档记忆
palacelite delete-archived

# 统计
palacelite stats

Python API

from palacelite import PalaceLite

p = PalaceLite()  # 默认离线，offline=False 可联网下载模型

p.add_memory("用户喜欢 PostgreSQL", "default", "chat")
results = p.search("数据库")
context = p.build_context("数据库选型")  # 构建 LLM 上下文

验证安装:

python -c "from palacelite import PalaceLite; print('OK')"

带记忆对话

examples/ 目录提供了完整的对话示例：

# 离线模式（默认）
python examples/chat.py -m /path/to/model.gguf

# 联网模式（首次下载嵌入模型）
python examples/chat.py -m /path/to/model.gguf --online

# 指定 GPU 层数
python examples/chat.py -m /path/to/model.gguf -g 30

对话命令：/help、/mem、/list、/stats、/clear、/quit。

命令速查

命令	说明
add -w <wing> -r <room> -c <内容>	添加记忆
search -q <关键词>	搜索记忆
chat -m <模型> -w <wing> -r <room>	带记忆对话
list [-w wing] [-r room]	列出活跃记忆
archive-old [--days 90] [--importance 2]	批量归档旧记忆
list-archived	列出已归档记忆
export-archived [-o 路径]	导出归档到 JSON
delete-archived	永久删除归档记忆
stats	显示统计信息
wings	列出所有 Wing
rooms <wing>	列出指定 Wing 下的 Room

配置

环境变量	默认值	说明
PALACE_MODEL_PATH	-	GGUF 模型文件路径
PALACE_MODEL_DIR	~/Public/ai/models	模型存放目录
GPU_LAYERS	20	GPU 加速层数

工作目录默认为 ~/.palacelite，可通过 PalaceLite(workspace="/path") 自定义。

数据维护

导出数据清洗（用于微调）：

python scripts/clean_memories.py ~/backup.json ~/cleaned.json

更换嵌入模型后重建向量库：

python scripts/rebuild_embeddings.py

许可证

MIT