palacelite 0.5.5

轻量级本地 AI 记忆系统

PalaceLite

轻量级 · 纯本地 · 可解释的 AI 记忆系统

安装 · 核心概念 · 快速开始 · 架构 · 设计原则 定位说明

---

不是在造工具，是在造一面随时间生长的镜子。

当对话结束，记忆不应消失。PalaceLite 用结构代替摘要，用本地存储代替云端同步，用透明公式代替黑盒检索。

---

核心特性

特性	说明
纯本地运行	单 SQLite 文件存储元数据 + 向量，零外部依赖
三层空间隐喻	Wing → Room → Drawer，贴合人类记忆组织方式
透明混合检索	5 因子加权公式，每因子可调可审计
异步提炼 + 规则兜底	后台压缩用户输入，关键词规则自动分类
数据反哺工作流	audit 命令输出关键词建议，结构从使用中生长

---

核心概念

• Wing：work / life / tech / unsorted（系统预置）
• Room：每个 Wing 下默认 general，按需添加
• Drawer：单条记忆，存储内容 + 向量 + 元数据

---

快速开始

安装

# 核心功能
pip install palacelite

# 含对话支持
pip install "palacelite[chat]"

[chat] 会自动安装 llama-cpp-python，用于加载 GGUF 格式模型。

首次运行

准备模型

PalaceLite 需要自备 GGUF 格式的模型文件：

模型	用途	是否必需
对话模型	生成 AI 回复	必需
提炼模型	压缩用户输入为简洁记忆	可选

不使用提炼模型时，系统会直接保存用户原话。如需提炼，建议使用 1.5B 小模型；若发现提炼质量不佳（如丢失关键信息），可换用 3B 模型

palacelite chat -m ~/models/qwen-7b.gguf --online

嵌入模型约 100MB，下载后永久离线使用。

日常使用

# 默认进入 unsorted/general
palacelite chat -m ~/models/qwen-7b.gguf

# 指定工作空间
palacelite chat -m ~/models/qwen-7b.gguf -w work -r auth-design

命令行管理

# 添加记忆
palacelite add -w tech -r db -c "PostgreSQL 并发写入优于 MySQL"

# 搜索
palacelite search -q "数据库选型" -w tech

# 盘点未分类记忆
palacelite audit -k 15

# 查看统计
palacelite stats

---

命令速查

CLI 命令

命令	说明
add -w <wing> -r <room> -c <内容>	添加记忆
search -q <关键词> [-w wing] [-r room]	搜索记忆
list [-w wing] [-r room] [-l 数量] [-a]	列出活跃记忆
list-ids [-w wing] [-r room] [-l 数量]	紧凑显示记忆 ID
move -i <id> [-w wing] [-r room]	移动单条记忆
move -i <id1> -i <id2> [-w wing] [-r room]	移动范围内记忆
move-all -fw <wing> [-fr room] -tw <wing> -tr <room>	批量移动记忆
audit [-k N] [-w wing]	盘点高频词，输出分类建议
stats	显示数据库统计
archive-old [--days N] [--importance N]	批量归档旧记忆
list-archived	列出已归档记忆
export-archived [-o 路径]	导出归档记忆到 JSON
delete-archived	永久删除归档记忆

对话内命令

命令	说明
/mem <关键词>	搜索记忆
/add <内容>	手动添加记忆
/list [N]	列出最近 N 条
/move <id> [id2] <wing>/<room>	移动记忆
/wings / /rooms	列出空间结构
/cd [wing]/[room]	切换当前空间
/stats / /clear / /help / /quit	系统操作

---

检索原理

score = similarity × time_decay × importance × freshness × keyword_bonus

因子	计算方式	可调参数
向量相似度	余弦相似度（sqlite-vec 批量计算）	无
时间衰减	0.5 ^ (天数/30)，最低 0.1	half_life_days=30
重要性	0.5 + min(importance,10)/10，范围 0.6~1.5	用户标记 1~10
新鲜度	7 天内线性加成，最高 1.5×	freshness_days=7
关键词匹配	Jaccard 相似度（jieba 分词），最高 1.5×	keyword_weight=0.5

所有因子均在 retrieval.py 中明文实现。

---

架构概览

用户对话
   │
   ▼
Distiller（异步提炼）→ 队列 → Storage（SQLite + sqlite-vec）
   │                              │
   ▼                              ▼
Manager（规则分类）        Retriever（透明混合检索）
   │                              │
   └──────────┬───────────────────┘
              ▼
      PalaceLite Core（统一 API）

---

设计原则

质量 · 本地 · 透明 · 克制 · 人工在环

定位说明

PalaceLite 不提供 API 接入，也不计划支持云端模型调用。

原因很简单：记忆数据是你最私密的数字资产。一旦通过 API 发送给云端模型，数据就已离开你的控制范围。

PalaceLite 选择「纯本地」：

• 对话模型在本地运行
• 记忆存储在本地 SQLite
• 检索计算在本地完成

至于你想用 CLI 模式把记忆复制到 ChatGPT/Claude —— 那是你的自由。工具不限制你，但也不替你送出去。

如果你需要更强模型，建议等待本地模型能力演进，或自行部署更大参数的 GGUF 模型。

---

配置

环境变量

变量	默认值	说明
PALACE_MODEL_PATH	—	GGUF 模型路径
PALACE_MODEL_DIR	~/Public/ai/models	模型默认存放目录
GPU_LAYERS	20	GPU 加速层数
PYTHONLOGLEVEL	INFO	设为 DEBUG 输出分类调试日志

工作目录

默认：~/.palacelite

自定义：

from palacelite import PalaceLite
p = PalaceLite(workspace="/custom/path")

数据库文件：~/.palacelite/palace.db（单文件，含元数据 + 向量）

---

维护指南

分类关键词维护

# 每周执行
palacelite audit -k 15

# 输出示例：
# 建议新增分类关键词（当前未覆盖，可直接复制）：
# ["PostgreSQL", "asyncio", "部署"]

# 操作：复制列表 → 粘贴到 palacelite/manager.py 对应分类 → 保存生效

更换嵌入模型后重建向量

python scripts/rebuild_embeddings.py --workspace ~/.palacelite

导出记忆用于微调

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

运行测试

# 执行全套测试
pytest

# 仅测试某个模块
pytest palacelite/tests/test_retrieval.py -v

# 详细输出，遇到失败停止
pytest -v -x

---

依赖说明

# 核心依赖
sqlite-vec>=0.1.0
sentence-transformers>=5.0.0
click>=8.0.0
rich>=13.0.0
jieba>=0.42.1
numpy>=1.20.0

# 可选：对话支持
llama-cpp-python>=0.3.0

# 开发测试
pytest>=7.0.0

安装：

pip install palacelite              # 仅核心
pip install "palacelite[chat]"      # 含对话

---

项目结构

palacelite/
├── palacelite/
│   ├── __init__.py          # 版本与导出
│   ├── core.py              # PalaceLite 主类
│   ├── storage.py           # SQLite + sqlite-vec 存储层
│   ├── retrieval.py         # 透明混合检索
│   ├── distiller.py         # 异步记忆提炼
│   ├── manager.py           # 规则分类器
│   ├── models.py            # 数据模型：Wing/Room/Drawer
│   ├── utils.py             # 工具函数
│   ├── cli.py               # Click CLI + audit 命令
│   ├── chat.py              # 对话入口
│   └── tests/               # pytest 测试套件
│       ├── __init__.py
│       ├── conftest.py      # 全局 Fixture
│       ├── test_models.py   # 数据模型测试
│       ├── test_storage.py  # 存储层测试
│       ├── test_manager.py  # 分类器测试
│       └── test_retrieval.py # 检索层测试
├── pyproject.toml           # 打包配置
├── requirements.txt         # 依赖声明
├── pytest.ini               # pytest 配置
├── README.md                # 你正在阅读的文件
└── LICENSE                  # MIT

---

许可证

MIT License — 详见 LICENSE 文件。

---

A mirror with memory.