persistent-ai-memory
访问网站
扫码查看
复制链接

为AI助手打造可持久化本地知识库

标签：AI , Copilot , LLM , MCP , persistent-ai-memory , SQLite , VS Code , 向量搜索 , 本地知识库

persistent-ai-memory

AI专业工具 / 记忆缓存系统41 次浏览

综合介绍

persistent-ai-memory 是一个为AI、大语言模型或VS Code中的Copilot设计的本地持久化知识库系统。该项目基于SQLite数据库，为AI助理提供可搜索的永久性存储，能够追踪对话、记录MCP工具调用并进行智能调度。它的核心优势在于，通过将AI的记忆和上下文保存在本地，解决了AI应用在重启后丢失短期记忆的问题，从而实现真正的“记忆持久化”。该系统支持向量搜索，可以进行语义级别的记忆检索，并且能够实时监控文件，自动捕取对话内容。persistent-ai-memory支持与LM Studio、VS Code、Koboldcpp、Ollama等多种平台集成，并且跨平台兼容Windows、macOS和Linux操作系统。项目提供了多种简便的安装方式，从一键安装脚本到手动设置，力求让不同技术背景的用户都能快速上手。

功能列表

  • 持久化记忆: 基于SQLite数据库，为对话、AI记忆、日程、VS Code项目和MCP工具调用提供稳定存储。
  • 向量搜索: 通过LM Studio等服务提供的嵌入功能，支持对记忆和对话进行语义搜索。
  • 实时监控: 使用watchdog监控文件变化，自动捕取和存储对话记录。
  • MCP集成: 内置模型上下文协议（MCP）服务器，能够记录工具调用和AI的自我反思。
  • 多平台支持: 可与LM Studio、VS Code、Koboldcpp、Ollama等多种AI平台和开发工具集成。
  • 跨平台运行: 能够在Windows、macOS和Linux系统上运行。
  • 零配置启动: 提供合理的默认设置，开箱即用，无需复杂配置。
  • 多种安装选项: 提供一键安装脚本、手动安装和pip安装等多种方式，满足不同用户的需求。

使用帮助

persistent-ai-memory 提供了多种安装方式，无论你使用什么操作系统，总有一种方法适合你。

安装流程

方式一：一键安装 (Linux/macOS)

这是最快捷的安装方式，只需要在终端执行一行命令：

curl -sSL https://raw.githubusercontent.com/savantskie/persistent-ai-memory/main/install.sh | bash

方式二：Windows 单击安装

这是最简单的安装方式，专为Windows用户设计：

curl -sSL https://raw.githubusercontent.com/savantskie/persistent-ai-memory/main/install.bat -o install.bat && install.bat

方式三：手动安装

如果你想对安装过程有更多的控制，可以选择手动安装：

  1. 克隆项目仓库：
git clone https://github.com/savantskie/persistent-ai-memory.git
  1. 进入项目目录：
cd persistent-ai-memory
  1. 安装依赖：
pip install -r requirements.txt
  1. 安装项目：
pip install -e .

方式四：通过 pip 直接安装

最简洁的安装方式，直接从Git仓库安装：

pip install git+https://github.com/savantskie/persistent-ai-memory.git

健康检查

安装完成后，你可以运行健康检查脚本来验证系统是否正常工作：

python tests/test_health_check.py```
### **核心功能操作**
#### **1. 基本的记忆存储和搜索**
你可以通过Python脚本与AI的记忆核心进行交互。
**存储记忆**
下面的代码演示了如何初始化记忆系统并存储一条新的记忆。
```python
import asyncio
from ai_memory_core import PersistentAIMemorySystem
async def main():
# 初始化记忆系统
memory = PersistentAIMemorySystem()
# 存储一条记忆
await memory.store_memory("我今天学习了关于Python异步编程的知识")
print("记忆已成功存储。")
if __name__ == "__main__":
asyncio.run(main())

搜索记忆存储记忆后，你可以根据关键词进行语义搜索。

import asyncio
from ai_memory_core import PersistentAIMemorySystem
async def main():
# 初始化记忆系统
memory = PersistentAIMemorySystem()
# 搜索关于"Python编程"的记忆
results = await memory.search_memories("Python编程")
print(f"找到了 {len(results)} 条相关的记忆:")
for result in results:
print(result)
if __name__ == "__main__":
asyncio.run(main())```
你需要一个支持嵌入的AI服务（如LM Studio）在本地运行，才能使用搜索功能。
#### **2. 对话历史记录**
系统可以像记录记忆一样，存储和检索对话内容。
```python
import asyncio
from ai_memory_core import PersistentAIMemorySystem
async def main():
# 初始化记忆系统
memory = PersistentAIMemorySystem()
# 存储一段对话
await memory.store_conversation("user", "什么是异步编程？")
await memory.store_conversation("assistant", "异步编程允许程序在等待某些操作（如I/O）完成时继续执行其他任务。")
# 获取最近的对话历史
history = await memory.get_conversation_history(limit=10)
print("最近的对话历史：")
for entry in history:
print(f"{entry['role']}: {entry['content']}")
if __name__ == "__main__":
asyncio.run(main())

3. 作为MCP服务器运行

如果你使用支持模型上下文协议（MCP）的桌面应用（如Claude的桌面版），你可以将此系统作为服务器运行，以供其调用。

python ai_memory_core.py

4. 文件监控

此功能可以监控指定目录下的文件（例如ChatGPT导出的聊天记录），并自动将其内容存入记忆库。

from ai_memory_core import PersistentAIMemorySystem
# 初始化记忆系统
memory = PersistentAIMemorySystem()
# 开始监控指定路径下的对话文件
# 请将 "/path/to/conversation/files" 替换为你的实际文件路径
memory.start_conversation_monitoring("/path/to/conversation/files")
print("已开始监控对话文件...")

系统架构

系统内部包含5个专门的SQLite数据库，分别用于存储不同类型的数据：

  • Conversations: 存储聊天记录，并带有用于语义搜索的嵌入向量。
  • AI Memories: 存储AI的长期持久化记忆。
  • Schedule: 用于管理基于时间的事件和提醒。
  • VS Code Projects: 追踪VS Code项目的上下文和文件信息。
  • MCP Tool Calls: 记录通过模型上下文协议（MCP）进行的交互。

应用场景

  1. 个人知识管理用户可以将日常学习、工作和思考的碎片化信息通过与AI对话的方式，记录到persistent-ai-memory中。例如，在阅读一本书或学习一门新技术时，可以将关键概念、代码片段和个人感悟存储起来。日后，当需要回忆相关内容时，只需通过简单的自然语言查询，就能快速找到相关信息，如同拥有一个永不遗忘的第二大脑。
  2. AI辅助编程在VS Code等开发环境中，开发者可以集成persistent-ai-memory，让AI助理（如Copilot）记住特定项目的上下文、代码规范和常用解决方案。当开发者在项目中遇到问题时，AI可以根据之前存储的记忆，提供更具针对性的代码建议和问题解决方案，从而提升开发效率。
  3. 长对话上下文维持在与AI进行多轮复杂对话时，AI通常会因为上下文窗口的限制而“忘记”早期的对话内容。使用persistent-ai-memory，AI可以将对话的关键信息实时存储到本地数据库中。在后续的交流中，AI可以通过语义搜索检索这些“记忆”，从而在长对话中保持对上下文的理解，提供更连贯、更准确的回答。

QA

  1. 这个项目和其他AI记忆工具有什么不同？persistent-ai-memory最大的特点是它的持久化和本地化。与许多依赖云端服务或仅在单次会话中有效的记忆系统不同，它将所有数据存储在用户本地的SQLite数据库中。这意味着用户对自己的数据有完全的控制权，并且AI的记忆不会因为程序关闭或重启而丢失。此外，它通过MCP协议和文件监控等方式，提供了更广泛的平台兼容性。
  2. 我需要什么样的硬件或软件才能使用它？该项目主要基于Python，因此几乎可以在任何支持Python的操作系统上运行，包括Windows、macOS和Linux。对于向量搜索等高级功能，你需要一个能够在本地运行并提供嵌入（Embeddings）API的服务，例如LM Studio。除此之外，没有特殊的硬件要求。
  3. 我不是程序员，也能使用这个工具吗？可以。该项目提供了非常友好的安装方式，例如Windows下的一键安装脚本，大大降低了使用门槛。对于非技术用户，可以通过与支持文件导出的AI工具（如ChatGPT）配合，将聊天记录保存到指定文件夹，然后使用本工具的“文件监控”功能来自动建立自己的本地知识库，整个过程无需编写代码。
微信微博Email复制链接