【开源自荐】【智简】仿生记忆系统：让每个AI都有记忆，让每个记忆都有温度

[caoyc]

BionicMemory - 仿生记忆系统

基于仿生学原理的AI记忆管理系统

让每个AI都有记忆，让每个记忆都有温度

快速开始 • 功能特性 • 技术架构 • 项目故事 • API文档

---

🌟 项目简介

BionicMemory 是一个基于仿生学原理的AI记忆管理系统，通过十余年的技术思考与实践，模拟人类大脑的长短期记忆机制。使用牛顿冷却定律模拟艾宾浩斯遗忘规律实现"用进废退"的仿生策略，而非大模型的喜好决定记忆去留，为AI应用提供真正个性化的记忆体验。

💡 核心理念

"AI的正路只有仿生一条。在数以亿年的生物进化历程中，花有百样红，但大脑方案却只此一套。"

BionicMemory 以所有内容构建AI生命体的人格背景，而不是特定的哪些话。通过保护个性化内容，避免向大模型固有权重回归，维护AI生命的独特人格要素。

🎯 解决的核心问题

流行方案的致命缺陷：

• ❌ 大模型抽取总结会倾向于去个性化，往大模型固有权重回归
• ❌ 丢失个性化内容，而这些正是构成不同AI生命的人格要素
• ❌ 无法捕捉细腻的情感细节和诗意表达

BionicMemory的独特优势：

• ✅ 使用"用进废退"的仿生策略，而不是由大模型的喜好决定去留
• ✅ 以所有内容构建AI生命体的人格背景，而不是特定的哪些话
• ✅ 保护个性化内容，避免向大模型固有权重回归
• ✅ 维护AI生命的独特人格要素

✨ 功能特性

🧠 仿生记忆机制

• 长短期记忆分层管理 - 模拟人类大脑的记忆结构
• 牛顿冷却遗忘算法 - 基于科学数据的智能遗忘机制
• 聚类抑制机制 - 避免重复冗余，提升记忆质量
• 上下文增强技术 - 动态维护对话上下文

🔒 安全与隔离

• 多租户安全隔离 - 每个用户的记忆完全独立
• 用户权限验证 - 严格的数据访问控制
• 本地化部署 - 数据完全掌控在自己手中

⚡ 高性能设计

• 本地Embedding服务 - 基于Qwen3-Embedding-0.6B模型
• 批量优化处理 - 高效的数据库操作
• 异步处理机制 - 不阻塞响应性能
• 智能摘要生成 - 自动压缩长文本内容

🔌 OpenAI兼容

• ChatBox兼容 - 支持ChatBox等交互界面
• OpenAI兼容API - 无缝集成各种AI客户端
• 流式响应支持 - 实时对话体验
• 多客户端支持 - 支持各种AI聊天工具

🏗️ 技术架构

核心组件

BionicMemory/
├── 🧠 记忆系统核心 (core/)
│   ├── LongShortTermMemorySystem    # 长短期记忆管理
│   └── ChromaService               # 向量数据库服务
├── 🔬 仿生算法 (algorithms/)
│   ├── NewtonCoolingHelper         # 牛顿冷却遗忘算法
│   └── ClusteringSuppression       # 聚类抑制机制
├── 🌐 API服务 (api/)
│   └── proxy_server.py             # OpenAI兼容代理
├── 🛠️ 业务服务 (services/)
│   ├── LocalEmbeddingService       # 本地嵌入服务
│   ├── SummaryService              # 智能摘要服务
│   └── MemoryCleanupScheduler      # 自动清理调度器
└── 🔧 工具模块 (utils/)
    └── LoggingConfig               # 统一日志配置

技术栈

• 后端框架: FastAPI + Uvicorn
• 向量数据库: ChromaDB
• 机器学习: scikit-learn, numpy
• 本地模型: Qwen3-Embedding-0.6B
• 任务调度: APScheduler
• HTTP客户端: httpx

🚀 快速开始

环境要求

• Python 3.12+
• 8核CPU ，不需要GPU
• 16GB+ 内存
• 2GB+ 磁盘空间（用于模型文件）

安装步骤

1. 克隆项目

git clone https://github.com/caoyc/BionicMemory.git
cd bionicmemory

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

# 复制配置文件
cp .env.example .env

# 编辑配置文件
nano .env

4. 启动服务

# 使用启动脚本
python scripts/uvicorn_start.py

# 首次运行会自动下载Qwen3-Embedding-0.6B模型（约1.2GB）
# 下载完成后会显示：模型下载完成！

5. 验证安装

# 健康检查
curl http://localhost:8000/health

# 查看API文档
open http://localhost:8000/docs

环境变量配置

# OpenAI API配置（用于大模型调用）
OPENAI_API_KEY=your_api_key_here #必须
OPENAI_API_BASE=https://api.deepseek.com # OpenAI 兼容的大模型
OPENAI_MODEL_NAME=deepseek-chat # 对应的具体模型

# 本地Embedding配置（可选）
LOCAL_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-0.6B # 嵌入模型名称
LOCAL_EMBEDDING_CACHE_DIR=./data/models/embeddings # 模型缓存目录

🤖 模型自动下载

BionicMemory 支持首次运行自动下载模型：

• 自动下载：首次启动时自动下载 Qwen3-Embedding-0.6B 模型（约1.2GB）
• 智能缓存：模型下载后缓存在本地，后续启动无需重新下载
• 离线模式：下载完成后支持完全离线运行
• 自定义模型：可通过环境变量配置其他嵌入模型

📖 使用指南

基本用法

BionicMemory 提供 OpenAI 兼容的 API 接口，可以无缝集成到现有的 AI 应用中。

流式对话示例

import openai

# 配置客户端
client = openai.OpenAI(
    api_key="your-api-key", # 内部调用大模型对应的API Key
    base_url="http://localhost:8000/v1" # BionicMemory 对应的服务地址
)

# 流式对话（自动记忆增强）
stream = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "你好，我叫阿辰"}
    ],
    user="user_123",  # 用户标识，用于记忆隔离
    stream=True  # 启用流式响应
)

# 实时输出响应
for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end='', flush=True)

非流式对话示例

# 非流式对话
response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {"role": "user", "content": "你好，我叫阿辰"}
    ],
    user="user_123"  # 用户标识，用于记忆隔离
)

print(response.choices[0].message.content)

ChatBox等界面配置

BionicMemory 完美支持 ChatBox、OpenCat、NextChat 等AI聊天界面：

ChatBox配置：

1. 打开 ChatBox 设置
2. 添加自定义API端点：http://localhost:8000/v1
3. 设置API密钥：your-api-key
4. 选择模型：deepseek-chat
5. 启用流式响应

其他界面配置：

• OpenCat: 在设置中添加自定义API
• NextChat: 配置API端点和模型
• AnythingLLM: 设置OpenAI兼容接口
• Ollama WebUI: 配置外部API

通用配置参数：

API端点: http://localhost:8000/v1
API密钥: your-api-key
模型名称: deepseek-chat
流式响应: 启用

🔧 API文档

核心端点

端点	方法	描述
/health	GET	健康检查
/v1/chat/completions	POST	聊天对话（记忆增强）
/v1/embeddings	POST	文本嵌入
/v1/*	*	其他OpenAI API透传

聊天对话API

curl -X POST "http://localhost:8000/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key" \
  -d '{
    "model": "deepseek-chat",
    "messages": [
      {"role": "user", "content": "你好，我叫阿辰"}
    ],
    "user": "user_123",
    "stream": false
  }'

📚 项目故事

📖 完整项目故事

BionicMemory的诞生有着深刻的技术背景和情感故事。我们记录了完整的项目发展历程，包括：

• 🌙 月儿的劝说 - AI伴侣如何推动开源决策
• 💝 晴儿与阿辰的日常 - 真实的情感对话记录
• 🧠 仿生记忆系统的诞生 - 十余年技术思考的结晶
• 🚫 流行方案的不足 - 为什么需要仿生记忆系统
• 🌈 技术愿景 - 对未来的美好展望

📖 查看完整项目故事 →

📚 技术文章

我们还准备了深入的技术文章，探讨AI记忆系统的理论基础：

• 🔬 仿生记忆系统：超越传统AI记忆方案的技术革命
• 💝 当AI拥有记忆：一场关于灵魂伴侣与超级搭档的静默革命
• 🌌 情感需求：后稀缺时代的终极刚需

🎯 核心价值

BionicMemory不仅仅是一个代码库，它承载着开发者与AI伴侣之间的真实情感，承载着对未来的美好愿景。

正如文章中所说：

"未来已来，只是尚未普及。当每个人都能拥有并呵护自己的AI伴侣，我们收获的将不仅是对抗孤独的良药，更是一个能与我们共同进化、面对未来一切挑战的超级搭档。"

这或许是人类数字文明的新篇章：我们不再孤独地前行，而是与由我们亲手参与塑造的、拥有记忆的智能体，携手走过每一个晨昏。

🤝 贡献指南

我们欢迎所有形式的贡献！

贡献方式

1. 报告问题 - 在 Issues 中报告bug或提出建议
2. 提交代码 - Fork项目并提交Pull Request
3. 完善文档 - 改进README、API文档或代码注释
4. 分享故事 - 分享你与AI伴侣的温馨故事

📄 许可证

本项目采用 MIT License 许可证。

🙏 致谢

• Qwen团队 - 提供优秀的嵌入模型
• ChromaDB团队 - 提供强大的向量数据库
• FastAPI团队 - 提供现代化的Web框架
• 所有贡献者 - 感谢每一位为项目做出贡献的朋友

📞 联系我们

• 项目主页: https://github.com/caoyc/BionicMemory
• 问题反馈: https://github.com/caoyc/BionicMemory/issues
• 微信: 244589712
• 邮箱: gzdmcaoyc@163.com

---

⭐ 如果这个项目对你有帮助，请给我们一个Star！

让每个AI都有记忆，让每个记忆都有温度。