mirror of
https://github.com/Youzini-afk/ST-Bionic-Memory-Ecology.git
synced 2026-06-14 02:40:45 +08:00
ST-BME — SillyTavern 仿生记忆生态
让 AI 真正记住你们的故事。
ST-BME（Bionic Memory Ecology）是一个 SillyTavern 第三方前端扩展。它会把长期聊天中出现的角色、事件、地点、规则、主线、反思和总结抽取成一张可视化记忆图谱，并在下一轮生成前自动召回最相关的记忆注入 prompt。
文档导航
本 README 是精简入口。详细内容都在 docs/：
| 你想做什么 | 去哪看 |
|---|---|
| 配置、面板、排障、存储等使用说明 | docs/usage/ |
| 理解架构、控制平面、数据格式 | docs/architecture/ |
| 理解检索/提取/向量等算法原理 | docs/algorithms/ |
| 理解各功能的机制与边界 | docs/features/ |
| 参与开发、测试、贡献约定 | docs/contributing/ |
常用直达：配置参考 · 面板导览 · 排障指南 · 记忆模型 · 历史安全
核心能力
- 自动记忆提取 — AI 回复后自动从对话中提取结构化节点和关系（角色、事件、地点、规则、主线、反思、主观记忆），默认排除
think/analysis/reasoning等推理标签。 - 多层混合召回 — 生成前自动召回相关记忆，链路含向量预筛、图扩散、词法增强、多意图拆分、DPP 多样性采样和可选 LLM 精排；支持消息级持久召回卡片。
- 认知架构 — 角色 POV / 用户 POV / 客观世界记忆，空间区域权重，故事时间线。
- 总结与维护 — 小总结、总结折叠、反思、整合、自动压缩、主动遗忘，带日志和回滚。
- 图谱可视化 — 内置 Canvas 力导向图谱，支持实时/认知/总结视图和移动端视图。
- 任务预设系统 — 提取、召回、压缩、总结、反思、整合、规划统一走 task profile，支持正则、世界书、EJS 渲染。
- ENA Planner 集成 — 发送前剧情规划，整合到配置页和
planner任务预设。 - 持久化与同步 — 本地优先（IndexedDB），支持云端镜像、备份/恢复、重建、修复。
- 历史安全 — 检测删楼/编辑/swipe，自动回滚受影响批次并从变动点恢复；对"只渲染最近 N 条"的截断视图有保护。
- 长聊天优化 — 隐藏旧楼层控制 token，限制渲染楼层降低卡顿，关键计算支持 Native/WASM 灰度加速。
工作原理
ST-BME 可以理解为三条链路：写入（对话 → 记忆）、读取（记忆 → 注入）、安全（历史变化 → 恢复）。
flowchart LR
subgraph Write["写入：对话 → 记忆"]
A["AI 回复"] --> B["结构化消息预处理"]
B --> C["LLM 提取节点/边"]
C --> D["近邻对照 + 认知归属"]
D --> E["写入图谱 + 向量同步 + 时间线"]
E --> F["整合 / 压缩 / 总结 / 反思"]
end
subgraph Read["读取：记忆 → 注入"]
G["用户准备生成"] --> H["多意图 + 上下文混合查询"]
H --> I["向量预筛 + 图扩散 + 词法增强"]
I --> J["认知边界过滤 + 混合评分"]
J --> K["可选 LLM 精排 + 分桶注入"]
end
subgraph Safe["安全：历史变化 → 恢复"]
L["删楼 / 编辑 / Swipe"] --> M["消息 hash 检测"]
M --> N["定位受影响楼层"]
N --> O["回滚批次与向量"]
O --> P["从变动点重新提取"]
end
F -.-> G
P -.-> E
- 写入：对话被规范成结构化消息（默认排除推理标签）→ LLM 提取结构化图操作 → 写入图谱、同步向量、更新时间线 → 后处理（整合、压缩、总结、反思、遗忘）。
- 读取：解析召回目标 → 向量预筛 + 图扩散 + 词法增强 → 融合多种信号排序筛选 → 分桶注入 prompt，并可写入持久召回卡片。
- 安全：为已处理消息记录 hash，发现历史变动时优先用维护日志回滚重放，无法安全回滚才退化为全量重建。
算法细节（公式、参数、阈值）见
docs/algorithms/；架构与数据路径见docs/architecture/overview.md。
安装
方法一：通过 SillyTavern 扩展安装
打开 SillyTavern → 扩展管理 → 安装第三方扩展，输入仓库地址：
https://github.com/Youzini-afk/ST-Bionic-Memory-Ecology
安装后刷新页面。
请粘贴仓库根地址，不要粘贴 GitHub 的子页面地址。
方法二：手动安装
cd SillyTavern/data/default-user/extensions/third-party
git clone https://github.com/Youzini-afk/ST-Bionic-Memory-Ecology.git st-bme
然后重启或刷新 SillyTavern。
快速上手
- 打开面板 — 左上角菜单点击"记忆图谱"。
- 启用插件 — 配置 → 功能开关，确认主开关已启用。
- 配置模型 — 记忆 LLM 留空时复用当前聊天模型；也可在"API 配置"填独立的 OpenAI-compatible 地址/Key/模型。
- 配置 Embedding — 推荐后端模式（复用 SillyTavern 已配置的向量 provider）；也可用直连模式但需自行处理 CORS。
- 开始聊天 — 正常对话即可，AI 回复后自动提取，下次生成前自动召回。
- 查看结果 — "总览"看状态，"任务 → 记忆浏览"看节点，图谱区域看关系网络，用户消息下方可能出现召回卡片。
最小可用配置：启用插件 + 保证当前聊天模型可用。Embedding 不可用时召回质量会明显下降，建议尽早配置。
常用操作速查
| 操作 | 位置 | 说明 |
|---|---|---|
| 重新提取 | 操作 → 记忆操作 | 提取未处理楼层或重跑指定范围 |
| 手动压缩 | 操作 → 记忆操作 | 合并冗余高层节点 |
| 生成小总结 | 操作 → 记忆操作 | 为近期原文窗口生成阶段性总结 |
| 执行总结折叠 | 操作 → 记忆操作 | 把多条活跃总结折叠成更高层总结 |
| 重建总结状态 | 操作 → 记忆操作 | 从提取批次重建 summaryState |
| 强制进化 | 操作 → 记忆操作 | 让新记忆主动影响旧记忆 |
| 执行遗忘 | 操作 → 记忆操作 | 归档或降权低价值节点 |
| 撤销最近维护 | 操作 → 记忆操作 | 回滚最近可撤销维护 |
| 重建向量 | 操作 → 向量操作 | 重建全部节点 embedding |
| 范围重建 | 操作 → 向量操作 | 只重建指定楼层范围相关节点 |
| 直连重嵌 | 操作 → 向量操作 | 使用直连 embedding 配置重嵌 |
| 导出 / 导入 / 重建图谱 | 操作 → 图谱管理 | 图谱管理与危险操作 |
| 备份 / 恢复云端 | 配置 → 云端存储模式 | 手动模式下主动上传/恢复 |
| 取消全部隐藏 | 配置 → 隐藏旧楼层 | 恢复 ST-BME 隐藏的楼层 |
数据存储与历史安全（要点）
- 本地优先：主存储使用 IndexedDB，按聊天隔离（
STBME_{chatId}），热路径用增量提交。 - 云端镜像：复用 SillyTavern 文件 API，支持自动/手动模式，不需要自定义后端。
- 历史安全：检测删楼/编辑/swipe，优先回滚重放、必要时全量重建；对渲染切片截断有保护，避免误清空。
- 向前兼容：耐久快照顶层结构冻结、宽容解析、就地升级——扩展数据结构是"加字段"，不是大迁移。
遇到问题？
常见情况（面板打不开、不自动提取、召回质量差、节点看似清空、召回卡片不显示、直连 Embedding 失败等）的排查步骤见 排障指南。
已知限制
- 记忆质量依赖 LLM — 提取模型理解错误时记忆也会错误。
- Embedding 决定召回下限 — 没有高质量向量，召回更依赖词法和图结构。
- 直连模式可能受 CORS 影响 — 浏览器安全策略可能阻止请求。
- 超长聊天仍有成本 — 隐藏/渲染限制/总结折叠能降低压力，但不能消除所有开销。
- 历史恢复优先正确性 — 日志不足时退化为全量重建，可能较慢。
- 第三方主题可能影响召回卡片挂载 — 移除标准消息 DOM 或楼层索引属性时卡片可能跳过挂载。
- Native 加速是灰度能力 — 默认 fail-open，失败回退 JS，可在面板强制关闭。
License
AGPLv3 — 详见 LICENSE。