万忆中枢 17861102832/wanyimem

万忆中枢·全量之心 (WanYi Memory Core)

永不遗忘的全量记忆系统 — 为 AI 智能体打造的事件溯源长期记忆：过程记忆、错题本、经验结晶、置信度决策拦截、反事实平行分支、跨域类比桥接、轨迹回放、主动搭档、语义向量检索、reranker 精排、记忆图谱、时序衰减、元认知知识空白。本地优先的 MCP Server，23 个工具开箱即用。你的数据永远不出你的电脑。

🎬 在线演示（Live Demo）：交互式演示页 · 源码 docs/demo.html

为什么做这个

大模型的记忆是"失忆"的：换一个聊天框，偏好、教训、经验全部蒸发。市面上的记忆系统要么存云端（隐私风险）、要么要重基础设施、要么只有关键词检索（语义召回缺失）。

万忆中枢是本地优先、全量存储、自动进化的记忆系统：

- 事件溯源 — append-only WAL 是唯一真相源，永不删除；衰减只影响检索排序
- 语义召回 — BM25 关键词 + 本地中文向量模型（BAAI/bge-small-zh-v1.5）+ reranker 精排（BAAI/bge-reranker-base）+ 知识图谱扩展 + 显性时序衰减，四通道混合。其中向量检索本身也是混合的：低于 ANN_MIN_COUNT 走全表精确余弦，超过则用 sqlite-vec 最近邻预筛+精确重排——规模化下既提速又不牺牲召回质量。
- 元认知 — 召回结果弱时系统诚实承认并记录知识空白，绝不硬凑答案
- 决策护栏 — 高风险动作（全仓梭哈/追涨/不止损/删库/强推）触发置信度拦截 + 自动开立反事实分支：让你亲眼看见"如果当时听劝会怎样"
- 零参与进化 — 不用喊"记住这个"，系统自动判断该存什么、夜间巩固、每周轨迹回放

安装

pip install wanyimem # 核心
pip install "wanyimem[all]" # 含向量 & 精排模型 + sqlite-vec ANN（仅要 ANN 用 [ann]）

需要 Python 3.10+。模型（向量 ~95MB、精排 ~1.1GB）首次使用时自动从 HuggingFace 下载；国内用户设置 HF_ENDPOINT=https://hf-mirror.com 走镜像。

PyPI 版本发布前，也可以直接从 GitHub 安装（代码与 PyPI 包一致）：

pip install "git+https://github.com/17861102832/wanyimem.git"

CLI 与自动化

除 MCP 服务器外，pip install wanyimem 后自带两个控制台命令：

wanyi-export --db memory.db --out memory.md # 只读 Markdown 镜像：可读、可 diff、可版本化 wanyi-auto --db memory.db # 一轮护城河自动巡检：反事实诚实自动结算 + 自动巩固 + 跨域类比巡检 wanyi-auto --db memory.db --loop 3600 # 周期调度器（后台守护，默认关闭）

wanyi-export 把事件溯源库渲染成人类可读、可版本化的 Markdown 镜像（按 道/法/术 分组，含错题本/经验库/知识空白/反事实分支/跨域模式）。wanyi-auto 把护城河自动化：到期反事实分支诚实结算（标记 expired 而非编造赢家）、睡眠+深巩固、并给出最值得回想的跨域模式。

快速开始（MCP）

把以下配置加进你的 mcp.json（Claude Desktop / Cursor / Trae 等）：

{
"mcpServers": {
"wanyi": {
"command": "python",
"args": ["-m", "wanyi.memory_core"],
"env": {
"WANYI_STORE_DIR": "C:/path/to/your/memory"
}
}
}
}

环境变量 key 支持「中文优先、英文兜底」：新版用 WANYI_STORE_DIR（推荐，跳平台更稳），旧版中文名 万忆中枢_STORE_DIR 同样兼容。
裸 python 依赖 PATH 可能启动失败，建议用解释器绝对路径，或 pip install wanyimem 后直接用 "command": "wanyi"。

之后任意智能体都能调用 23 个工具：

万忆记录见闻 → "2026年5月基金大跌时我死扛不止损，亏了18%才割肉。"
万忆召回记忆 → query "认赔离场到底对不对" # 零关键词重合也能语义命中万忆置信度决策检查 → "我要全仓梭哈" # 置信度不足时 BLOCK + 亮历史错题

快速开始（Python 库）

from wanyi import WanYiCore

engine = WanYiCore()
engine.tool_record_memory(
content="止损纪律：亏损超过8%必须无条件卖出",
layer="法", mem_type="principle",
)
resp = engine.tool_recall_memory("认赔离场到底对不对", limit=5)
for m in resp["memories"]:
print(m["content"], m.get("_rerank_score"))

能力清单

| 领域 | 能力 |
| 存储 | SQLite + append-only 事件日志；道/法/术三层半衰期 |
| 检索 | 关键词 BM25 + 向量（bge-small-zh）+ reranker 精排（bge-reranker-base）+ 图谱扩展 + 时序衰减字段 |
| 元认知 | 知识空白自动记录、stats 自检、"诚实承认不知道" |
| 护栏 | 置信度决策拦截、反事实分支自动开立与到期结算、跨域类比桥接 |
| 主动 | LOAD 自动生成今日简报、到期分支提醒、每周轨迹回放、风险关键词告警 |
| 进化 | 错题本、经验结晶、夜间睡眠巩固、进化查询 |
| 隐私 | 全本地运行、零遥测、无云端依赖 |

基准 — 可复现的迷你 LongMemEval（14 条「关键词刻意错开」的跨会话事实查询，运行 python benchmark/recall_benchmark.py 复现）：

| 版本 | Recall@5 | MRR |
| 核心版（仅 BM25 + 知识图谱，无模型） | 1.000 (14/14) | 0.857 |
| 完整版（bge-small-zh 向量 + bge-reranker-base 精排） | 1.000 (14/14) | 0.857 |

每个查询都故意用与答案不同的关键词表述（如 本地数据库怎么提高并发写 → WAL模式、记忆系统最怕什么 → 事件溯源），因此 14/14 反映的是真正的语义召回，而非字符串匹配。知识图谱通道（核心版可用、无需模型）已把纯 BM25 拉平到此水平；向量 + 精排路径在更大规模的语义扩展场景才更显优势（"pip install wanyimem[all]" 下载模型后生效）。

文档

- 中文安装与使用指南
- 示例 MCP 配置

贡献与安全

见 CONTRIBUTING.md。漏洞请通过 SECURITY.md 私密上报。

许可证

MIT © 2026 Zhao Xikun