🧬 DNA Memory

English | 中文

让 AI Agent 像人脑一样学习和成长

---

🚀 快速开始

# 安装
pip install dna-memory

# 使用
python -m dna_memory remember "我喜欢简洁的回复" -t preference
python -m dna_memory recall "偏好"
python -m dna_memory stats

---

📺 Demo 演示

$ cd ~/.openclaw/skills/dna-memory

# 记录重要偏好
$ python3 scripts/evolve.py remember "我喜欢简洁的回复" -t preference -i 0.9
✅ 已记录记忆: 我喜欢简洁的回复 [偏好: 0.9]

# 查看工作记忆
$ python3 scripts/evolve.py working
📌 工作记忆 (3/7 条):
   1. Andy 喜欢简洁的回复 [⭐0.9]
   2. 沟通风格: 直接高效 [⭐0.8]

# 语义搜索相似记忆
$ python3 scripts/semantic_search.py search "编程"
   [0.92] 会用 Python 写 CLI 工具
   [0.87] 擅长 JavaScript 开发

# 详细统计
$ python3 scripts/detailed_stats.py
========================================
🧬 DNA Memory 统计报告
========================================

📊 总量统计:
   总记忆: 363 条
   短期记忆: 100 条
   长期记忆: 263 条

⚖️ 权重分布:
   平均权重: 0.65
   高权重(≥0.8): 45 条
   低权重(<0.3): 12 条 ⚠️

---

🧠 核心特性

三层记忆架构

层级	容量	遗忘周期	用途
工作记忆	5-7 条	即时	当前对话关键信息
短期记忆	100 条	7天	用户偏好/习惯
长期记忆	∞	智能	核心技能/知识

智能遗忘机制

• 权重衰减：信息随着时间推移自动降低权重
• Relevance Filter：只保留高相关性记忆
• 自动清理：权重低于 0.25 自动删除

语义搜索

• 基于 Embeddings 的相似记忆搜索
• 支持 OpenAI text-embedding-3-small
• 本地 hash 备用方案

---

📁 项目结构

dna-memory/
├── scripts/           # 命令行工具
│   ├── evolve.py     # 主程序：记忆存取
│   ├── reflect.py    # LLM 模式归纳
│   ├── autocollect.py # 自动采集对话
│   ├── semantic_search.py # 语义搜索
│   ├── backup.py     # 导出/导入备份
│   ├── detailed_stats.py # 详细统计
│   └── knowme_link.py # KnowMe 联动
├── memory/           # 记忆存储
│   ├── short_term.db    # 短期记忆
│   ├── long_term.db    # 长期记忆
│   ├── working.json    # 工作记忆
│   └── embeddings.json # 语义向量
└── tests/            # 测试用例

---

🔧 配置选项

from dna_memory import Memory

memory = Memory(
    short_term_capacity=100,    # 短期记忆容量
    long_term_capacity=-1,     # 长期记忆无限
    forget_threshold=0.3,       # 遗忘阈值
    relevance_weight=0.7,       # 相关性权重
)

---

🤖 自动化 (Cron)

每日凌晨自动执行：

时间	任务
02:00	decay → link → autocollect → reflect → build embeddings → stats
03:00 (周日)	backup export

---

🤝 贡献

欢迎提交 Issue 和 PR！

1. Fork 本项目
2. 创建特性分支 (git checkout -b feature/xxx)
3. 提交更改 (git commit -m 'Add xxx')
4. 推送到分支 (git push origin feature/xxx)
5. 创建 Pull Request

---

📄 License

MIT License - 随意使用，保留署名即可

---

👤 作者

Andy - GitHub

让 AI 成为真正的伙伴，而不是每次都要重新介绍的陌生人。