记忆系统
概述
Open Note 拥有独特的长期记忆和自我进化能力，使 Cici 能够越来越了解你的偏好和工作习惯。
记忆类型
1. 用户画像（Profile）
记录你的个人信息和偏好。
示例：
- 职业：软件工程师
- 偏好语言：中文
- 常用技术栈：Java、Spring-Boot、Vue
- 工作习惯：喜欢早上写笔记
- 喜欢被称呼：xx
2. 事实（Fact）
记录客观事实信息。
示例：
- 在生成关于书籍故事等笔记时，笔记标题要用书名号括起来，因为这样用户觉得更正式
3. 经验（Experience）
从交互中总结的经验教训。
示例：
- 当用户表达不完整或有误时（如'今天星期就'），应主动推测正确意图并验证，用户喜欢这种默契
- 当用户询问是否有某类笔记（如'有学习相关的笔记吗'）时，应优先使用 note_search 工具按关键词搜索，如果结果不足再尝试向量搜索，无需同时调用 note_search、note_vector_search 和 note_list_recent 三个工具，避免冗余调用和资源浪费
记忆提取
触发方式
即时触发
某些关键词会立即触发记忆提取：
- "我喜欢..."
- "我讨厌..."
- "记住..."
- "我是..."
批量触发
每 5 轮对话自动批量提取记忆。
提取过程
对话内容 → 记忆提取器 → 候选记忆 → 置信度评估 → 存储记忆管理
置信度
每条记忆都有置信度（0-1）：
- 1.0：明确表达（"我是软件工程师"）
- 0.8：强烈暗示（"我每天写 Java 代码"）
- 0.5：间接推断（经常讨论某个话题）
衰减策略
记忆会随时间衰减：
新置信度 = 原置信度 × 衰减系数 × 时间因子- 衰减系数：0.95（可配置）
- 时间因子：距上次提及时间
清理策略
- 置信度 < 0.3：自动删除
- 过期记忆：标记为待清理
- 定期清理：每月自动执行
记忆注入
按需注入
Cici 会根据对话内容自动注入相关记忆：
用户："帮我写一篇关于 Spring-AI 的笔记"
系统注入记忆：
- 偏好：喜欢简洁风格
- 技术栈：熟悉 Java、Spring-Boot
- 习惯：喜欢带示例的代码个性化服务
基于记忆提供个性化响应：
- 使用你偏好的语言风格
- 推荐相关主题
- 避免重复建议
自我进化
进化循环
记忆提取 → 经验总结 → 自我反省 → 知识整理 → 召回反哺持续改进
- 学习：从每次交互中学习
- 总结：提炼有用经验
- 反省：评估服务质量
- 整理：优化知识结构
- 应用：提供更好的服务
查看记忆
记忆面板
在 Cici 对话界面可以查看：
- 已提取的记忆数量
管理记忆
- 清除某一类或全部记忆
隐私保护
本地存储
所有记忆存储在本地数据库，不会上传。
完全可控
- 随时查看记忆
- 随时删除记忆
- 可以禁用记忆功能
配置
启用/禁用
设置 → AI 服务 → 记忆系统
故障排查
Q: 记忆不准确
如果影响使用可以删除记忆或针对对应类型的对Agent强调或反复强调。
Q: 不想被记忆
在设置中禁用记忆提取。
Q: 记忆丢失
检查数据库文件完整性。