【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

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。

This issue is a project self-recommendation with README-style content, but it names no file, test, or entry point in the monthly repository. Start by checking how project submissions are handled in this repository and whether this entry is intended for the monthly listing. Done would require a maintainer decision or a clearly specified documentation change.