项目地址
https://github.com/ailiheizi/memory-engine
类别
人工智能
项目标题
memory-engine：给闭源 API 大模型外挂可编辑记忆和可切换性格
项目描述
memory-engine 给闭源 API 大模型（如 DeepSeek）提供「可编辑记忆 + 可切换性格」的外挂库，纯 Python，可作为库 import 或独立 HTTP 服务接入任意系统。记忆用 RAG（FAISS+BGE-M3）+ 信任加权重排，事实可毫秒级增删改；性格用多个 LoRA adapter 物理隔离、切换即换 adapter。
亮点
选型是实测出来的，不是拍脑袋：我最初赌「参数化记忆」（把事实微调进小模型权重），但自己做三方对比后发现 RAG 在事实存取上明显更好（2.0 vs 0.96），于是诚实改用 RAG 存事实、只用 LoRA 管性格。还借鉴 Hermes 加了信任层：可信+常用+新鲜的记忆浮顶、老噪音随时间衰减沉底，这是裸 RAG 做不到的。
示例代码
from memory_engine.engine import MemoryEngine
eng = MemoryEngine(store_dir="./mem", deepseek_key="sk-...")
fid = eng.add_fact("用户叫张伟", pinned=False)
r = eng.chat("我叫什么?", top_k=3)
print(r["response"])截图或演示视频
No response
项目地址
https://github.com/ailiheizi/memory-engine
类别
人工智能
项目标题
memory-engine：给闭源 API 大模型外挂可编辑记忆和可切换性格
项目描述
memory-engine 给闭源 API 大模型（如 DeepSeek）提供「可编辑记忆 + 可切换性格」的外挂库，纯 Python，可作为库 import 或独立 HTTP 服务接入任意系统。记忆用 RAG（FAISS+BGE-M3）+ 信任加权重排，事实可毫秒级增删改；性格用多个 LoRA adapter 物理隔离、切换即换 adapter。
亮点
选型是实测出来的，不是拍脑袋：我最初赌「参数化记忆」（把事实微调进小模型权重），但自己做三方对比后发现 RAG 在事实存取上明显更好（2.0 vs 0.96），于是诚实改用 RAG 存事实、只用 LoRA 管性格。还借鉴 Hermes 加了信任层：可信+常用+新鲜的记忆浮顶、老噪音随时间衰减沉底，这是裸 RAG 做不到的。
示例代码
截图或演示视频
No response