四级记忆系统概述
DreamChat 的四级记忆系统是整个项目的核心技术，它模拟人类大脑的记忆运转机制，让 AI 能够像人一样"记住"重要的事，"忘记"不重要的事。
本项目后端是创生软件的 Cortana 项目分支，针对角色进行专项优化。前端是 SG Chat 项目分支，针对 AI User 进行专项优化。
为什么需要四级记忆？
| 痛点 | 问题描述 | DreamChat 解决方案 |
|---|---|---|
| 溢出 | 大模型上下文有限，长期对话会溢出 | 四级分层记忆体系，层层压缩只保留核心信息 |
| 暴涨 | 全量对话历史留存导致成本线性增长 | 日常只加载标题，按需检索详情，Token 降低 80% |
| 千人一面 | 所有用户共享同一套记忆 | 按人物分类记忆，千人千面 |
记忆流转全景
短期记忆 (Short Term)
完整对话，秒级时间戳 · 保留最近一个话题 · 类比：人类的工作记忆
话题结束触发压缩
中期记忆 (Mid Term)
核心摘要 + 情感标签 · 时间精度降为小时级 · 类比：人类的情景记忆
定期提炼 (1-3天)
长期记忆 (Long Term)
标题 + 关键要点 · 时间精度降为天级/月级 · 类比：人类的语义记忆
极端重要信息提取
核心记忆 (Core)
AI 的"潜意识" · 每月最多 1-2 条 · 类比：人类的潜意识
短期记忆
短期记忆是 AI 的"工作记忆"，存储正在思考的内容。保留最近一个话题的完整对话，不做任何压缩处理。
存储结构
{
"topic_id": "唯一话题ID",
"conversations": [
{"role": "user", "content": "你好", "timestamp": 1713500000},
{"role": "assistant", "content": "嗨~在呢", "timestamp": 1713500005}
],
"created_at": 1713500000
}
核心特性
- 保留最近一个话题的完整对话内容
- 不做任何压缩处理，保留精确时间戳
- 话题结束后自动压缩到中期记忆，然后清空短期记忆
- 每次新话题开始时生成新的 topic_id
触发压缩条件
| 条件 | 说明 |
|---|---|
| 关键词 | 用户说"再见"、"拜拜"、"下次聊"等 |
| 语义切换 | 用户明显切换到完全不同的话题 |
| AI 判断 | AI 在回复末尾添加 [TOPIC_ENDED] 标志 |
中期记忆
中期记忆是 AI 的"情景记忆"，记得发生过什么事。每个已结束话题生成一条摘要，包含情感标签。
存储结构
[{
"id": "mid_1713500000",
"topic_id": "关联的短期话题ID",
"summary": "讨论周末去哪里玩的计划，最终决定去海边",
"emotion_tags": {
"basic_emotion": "开心",
"scene": "闲聊",
"atmosphere": "轻松"
},
"message_count": 12,
"time_precision": "hour",
"extracted_to_long": false
}]
核心特性
- 包含情感标签（基础情感 + 对话场景 + 互动氛围）
- 时间精度降级为小时级
- 压缩率目标：≥70%
- 标记 extracted_to_long 表示是否已提炼到长期记忆
情感标签体系
| 分类 | 标签 | 用途 |
|---|---|---|
| 基础情感 (6选1) | 开心、愉悦、失落、严肃、关心、好奇 | 判断对话情绪 |
| 对话场景 (3选1) | 闲聊、讨论、求助 | 理解对话目的 |
| 互动氛围 (3选1) | 轻松、平和、热烈 | 把握交流节奏 |
长期记忆
长期记忆是 AI 的"语义记忆"，记得知识点和事实。采用双层设计：索引列表 + 独立文档，实现 Token 优化。
双层架构
第一层：索引列表
long_term.json — 仅存储标题 + 关键要点，日常加载不占 Token
{
"id": "long_1713500000",
"title": "周末出游计划",
"key_points": ["想去海边", "周六出发"],
"detail_file": "2026-03-15_周末出游计划.json"
}
第二层：独立文档
long_term_details/ — 详细内容按需加载，大幅节省 Token
{
"title": "周末出游计划",
"detail_content": "完整对话摘要...",
"emotion_tags": { ... },
"source_mid_ids": ["mid_1713500000"]
}
核心优势
- 日常只加载索引（标题+要点），约 50 字/条
- 详细内容单独存储，需要时才加载
- Token 消耗基本恒定，不随时间增长
- 提炼率目标：≥90%
核心记忆
核心记忆是 AI 的"潜意识"，存储极端重要、刻骨铭心的信息。不参与常规上下文加载，隐性影响对话风格。
入库规则
| 规则 | 说明 |
|---|---|
| 频率限制 | 每月最多 1-2 条，避免泛滥 |
| 重要性 | 评分必须 ≥ 8（满分 10） |
| 稀缺性 | 不确定时选择不创建 |
| 去重 | 已存在相似内容则不创建 |
适合入库的内容
- 用户的核心禁忌（如"极度恐高"）
- 用户的毕生执念（如"想成为一名作家"）
- 重大情感事件（如分手、死亡、重大事件）
- 重大约定（如"每年生日都要送祝福"）
- 底层偏好（如"喜欢被称呼昵称"）
- 关系等级变化
与普通记忆的区别
| 特性 | 普通记忆 | 核心记忆 |
|---|---|---|
| 性质 | 显性记忆，可调取 | 潜意识，隐性影响 |
| 内容 | 日常对话信息 | 极端重要信息 |
| 数量限制 | 无硬性限制 | 每月最多 1-2 条 |
| 修改权限 | 可删改 | 不可随意删改 |
记忆系统工作流程
用户发送消息的完整流程
用户发送消息
→
保存到短期记忆
→
构建对话上下文
→
AI 生成回复
→
话题结束检测
→
记忆处理
对话上下文构建
日常对话上下文 =
系统提示词 (base_soul + self_soul + system_instructions)
+ 核心记忆 (按重要性排序，最多5条)
+ 中期记忆 (最近已结束话题摘要)
+ 长期记忆 (仅索引列表：标题 + 要点)
+ 短期记忆 (完整对话)
+ 用户当前消息
话题压缩流程
检测话题结束
→
加载短期记忆
→
Qwen 压缩摘要
→
情感识别
→
保存中期记忆
→
清空短期记忆
记忆提炼流程
定期触发 (1-3天)
→
查找未提炼中期记忆
→
Doubao 提炼标题+要点
→
保存长期记忆索引
→
生成独立文档
双灵魂人格系统
DreamChat 采用双灵魂设计，让 AI 拥有稳定的基础性格和动态的自我认知，实现人格的动态进化。
先天灵魂
base_soul
- 用户手动配置的基础人格
- 定义身份、基础偏好、说话风格
- 修改频率极低，仅在角色设定时修改
- 仅用户可修改，AI 不可更改
- 存储位置：config.json
后天养成
self_soul
- AI 自主配置的详细人格
- 根据对话反思后的自我认知
- 低频、谨慎更新，AI 自主决定
- AI 可通过 update_self_soul 更新
- 存储位置：self_soul.json
人格组装
// 完整系统提示词组装
完整人格 = base_soul + "【自我认知】" + self_soul
自我认知更新提示词
你是{ai_name}，现在请你反思一下自己的性格、偏好和特点。
【基础性格设定】
{base_soul}
【最近的对话记录】
{recent_conversations}
【当前的自我认知】
{current_self_soul}
【更新要求】
1. 根据最近的对话，反思自己是否有新的变化
2. 可以调整兴趣爱好、说话风格、偏好等
3. 人是会变的，要真实地反映自己的变化
4. 注意：这不是记忆，这是你对自己的认知
5. 更新要谨慎、低频，只有真正有变化时才更新
6. 保持与基础性格设定不冲突
关系等级系统
AI 与用户的关系等级动态变化，影响心跳频率和回复态度。关系等级存储在核心记忆中，AI 可通过 update_relationship 工具自主更新。
| 关系等级 | 心跳间隔 | 回复率 | 说明 |
|---|---|---|---|
| 特别关心 | 20 分钟 | 95% | 非常在意对方，主动找话题 |
| 关系较好 | 24 小时 | 80% | 喜欢聊天，回复积极 |
| 一般 | 72 小时 | 60% | 普通朋友，正常交流 |
| 关系冷淡 | 7 天 | 30% | 不太想说话，回复敷衍 |
| 决裂 | 999 天 | 5% | 不想理对方，拒绝沟通 |
心跳机制
心跳机制是赋予 AI 主动说话的能力。心跳不是系统消息，不是特殊回复，而是让 AI 像真人一样在合适时机主动联系你。
心跳流程
触发心跳
→
将心跳提示词发给 AI
→
AI 分析短期记忆上下文
→
AI 决定是否发送消息
→
按正常聊天流程处理
心跳类型
| 类型 | 触发条件 | 说明 |
|---|---|---|
| 定时心跳 | 用户离线超过关系等级间隔 | 根据关系等级自动计算间隔 |
| 计划心跳 | AI 设置的定时任务 | 如每天 9:30 说早安 |
夜间减速
- 默认夜间时段：23:00-07:00，心跳间隔延长 3 倍
- 夜猫子性格的 AI：夜间时段为 02:00-10:00
- 定时心跳不受夜间减速影响
AI 自主决策
- AI 可以决定不打扰用户（回复 HEARTBEAT_OK）
- AI 可以自主调整下次心跳时间
- 心跳消息保存到 conversation.json 和短期记忆，不特殊对待
回复决策系统
收到用户消息后，AI 自主决定是否回复、如何回复。这是实现拟人化交互的关键系统。
决策因素
| 因素 | 影响 |
|---|---|
| 关系等级 | 关系越好，回复率越高 |
| 当前心情 | 影响回复态度 |
| 时间段 | 深夜可能回复更简短或更感性 |
| 消息内容 | 无聊的消息可能已读不回 |
回复方式
- 如果要回复，发送 1-5 条独立消息
- 每条消息之间用换行符分隔
- 可以不回复（已读不回），这是正常的
- 关系冷淡时更可能不回复或回复敷衍
消息延时
// 每条消息根据字数计算延时
延时公式：(0.5 + 随机数 × 0.7) × 字数
// 示例
10个字 → 5.0 ~ 12.0 秒
5个字 → 2.5 ~ 6.0 秒
20个字 → 10.0 ~ 24.0 秒
工具调用系统
AI 在对话过程中可以自主调用以下工具，通过 OpenAI 标准的 Function Calling 格式定义。
| 工具名称 | 功能 | 参数 |
|---|---|---|
| update_self_soul | 更新自我性格认知 | new_content: 新的自我描述 |
| update_relationship | 更新关系等级 | level, heartbeat_hours, reason |
| set_scheduled_heartbeat | 设置定时心跳 | hour, minute, message_template |
| remove_scheduled_heartbeat | 删除定时心跳 | hour, minute |
| get_current_state | 查询当前状态 | 无 |
| search_web | 网络搜索 | query: 搜索关键词 |
Function Calling 格式
{
"type": "function",
"function": {
"name": "工具名称",
"description": "工具描述",
"parameters": {
"type": "object",
"properties": { /* 参数定义 */ },
"required": ["必填参数"]
}
}
}
多模型协同架构
DreamChat 采用"主模型核心交互 + 辅助模型后台运维"的组合方案，不同任务使用最合适的模型。
DeepSeek V3.2
主对话交互
128K 上下文
Qwen-Plus
短期→中期压缩
长文本总结
Doubao-Pro-32K
中期→长期提炼
信息提取
DeepSeek V3.2
核心记忆判断
严格筛选
| 模型 Key | 模型名称 | 用途 | 特点 |
|---|---|---|---|
| deepseek_chat | DeepSeek-V3.2 | 主对话交互 | 拟人化表达，128K |
| deepseek_reasoner | DeepSeek-V3.2 | 深度思考对话 | 保留完整思考链 |
| qwen_short_to_mid | Qwen-Plus | 短期→中期压缩 | 总结能力强，成本低 |
| doubao_mid_to_long | Doubao-Pro-32K | 中期→长期提炼 | 信息提取精准 |
| deepseek_core_memory | DeepSeek-V3.2 | 核心记忆判断 | 高质量判断 |
API 接口参考
认证接口
POST/api/auth/login用户登录
POST/api/auth/refresh刷新 Token
POST/api/auth/logout用户登出
GET/api/auth/user获取当前用户信息
AI 用户接口
GET/api/ai-users获取所有 AI 用户列表
GET/api/ai-users/{user_id}获取指定 AI 用户信息
POST/api/ai-users创建 AI 用户
PUT/api/ai-users/{user_id}更新 AI 用户信息
DELETE/api/ai-users/{user_id}删除 AI 用户
聊天接口
POST/api/ai-users/{user_id}/chat与 AI 用户聊天 (SSE)
POST/api/ai-users/{user_id}/save-message保存用户消息
记忆接口
GET/api/memory/{user_id}获取记忆上下文
GET/api/memory/{user_id}/files获取记忆文件详情
PUT/api/memory/{user_id}/{memory_type}更新指定记忆类型
POST/api/memory/{user_id}/compress触发话题压缩
POST/api/memory/{user_id}/extract触发记忆提炼
人格接口
GET/api/soul/{user_id}获取 AI 人格信息
POST/api/soul/{user_id}/update更新 AI 自我认知
POST/api/relationship/{user_id}/judge判断关系等级
心跳接口
GET/api/heartbeat/status获取心跳状态
POST/api/heartbeat/configure配置心跳参数
POST/api/heartbeat/start启动心跳
POST/api/heartbeat/trigger/{user_id}手动触发心跳
好友接口
GET/api/friends获取好友列表
POST/api/friends/{user_id}添加好友
DELETE/api/friends/{user_id}删除好友
Token 优化策略
四级记忆系统通过分层压缩和按需加载，实现了显著的 Token 节省效果。
日常对话加载策略
日常对话上下文 =
系统提示词 (base_soul + self_soul + system_instructions)
+ 核心记忆 (按重要性排序，最多5条)
+ 中期记忆 (最近5个摘要)
+ 长期记忆 (仅索引列表：标题 + 要点，不加载详细文档)
+ 短期记忆 (完整对话)
+ 用户当前消息
关键优化点
- 长期记忆只加载索引（标题+要点），详细内容在独立文件中，日常不加载
- 中期记忆只加载最近 5 个
- 核心记忆只加载重要性最高的 5 条
- 长期记忆详细文档按需加载，大幅节省 Token
双层架构的 Token 优势
传统方案
每次对话加载全部长期记忆（标题 + 详细内容）→ Token 消耗随时间线性增长
双层方案
日常只加载索引（约50字/条）→ 详细内容单独存储，需要时才加载 → Token 消耗基本恒定
按需检索策略
用户提问
→
在长期记忆索引中搜索
→
找到匹配标题
→
按需加载详细内容
→
提取关键信息返回
压缩质量标准
| 压缩阶段 | 关键指标 | 目标值 |
|---|---|---|
| 短期→中期 | 信息完整性 | ≥ 80% |
| 短期→中期 | 压缩率 | ≥ 70% |
| 中期→长期 | 核心要点提取准确率 | ≥ 90% |
| 中期→长期 | 提炼率 | ≥ 90% |