ChatLuna

Appearance

长期记忆 (Long Term Memory) ​

字数
2660 字
阅读时间
11 分钟

在最新版本中，我们将长期记忆拆分成了独立的插件，以便更好的扩展相关功能。

配置 ​

  • 前往插件市场搜索 chatluna-long-memory 并安装。

alt text

提示

如果无法正常搜索到 chatluna-long-memory，则说明官方插件源没有正常更新。 前往 market 插件设置为其他源即可：

market

以下是推荐的一些插件源:

使用 ​

确保你已经配置好了 嵌入模型 和 向量数据库。

提示

将长期记忆的全部引擎设置为 Basic 引擎，则不需要配置嵌入模型和向量数据库。

配置完成后，前往 Koishi 控制面板，启用长期记忆插件即可。

开启后还需要设置长期记忆的 提取模型。

长期记忆的被动提取基于大语言模型来提取关键信息，因此需要设置模型。

推荐使用速度快的模型，如 gpt-4o-mini。

对于 长期记忆存储轮次，推荐设置为 3-5 轮次，可以保证记忆的准确性，也不会产生太多冗余记忆。

提示

长期记忆支持主动提取和被动提取。被动提取只根据轮次进行记忆获取。

主动提取则会向 ChatLuna 注册工具，让 Agent 判断是否需要添加记忆。此时可以不设置长期记忆的提取模型。

记忆引擎 ​

长期记忆插件提供三种记忆引擎，各自使用不同的算法存储和检索记忆。

Basic ​

Basic 引擎将全部记忆直接加入上下文，不进行过滤或排序。

它的特点在于：

  1. 不需要引入任何其他调用，单纯的记忆文本。
  2. 直接返回所有记忆，不进行任何筛选。
  3. 记忆量很大时，可能会占用较多的上下文。

我们推荐在记忆量在小到中等的场景下应用。

HippoRAG ​

HippoRAG 基于知识图谱和 Personalized PageRank (PPR) 算法。

从对话中提取实体和关系，构建知识图谱，通过图算法进行多跳推理和关联检索。

它的特点在于：

  1. 构建知识图谱，使用 PPR 算法进行精确的搜索
  2. 实体别名支持合并与桥接，增强关联性。
  3. 支持更大量的数据存储，不会占用过多的上下文。

我们推荐在记忆量中到大的场景下应用。

EMGAS ​

EMGAS (Episodic Memory Graph with Activation Spreading) 基于激活扩散算法。

通过概念节点和话题节点构建记忆图谱，使用激活扩散算法进行联想检索。

它的特点在于：

  1. 轻量级的图谱结构，低于 HippoRAG 构建的架构
  2. 计算成本低于 HippoRAG
  3. 内置时间衰减机制和记忆强化，并支持增量式构建。

我们推荐在记忆量中到大的场景下应用。

记忆分层 ​

长期记忆使用分层的架构存储，不同层级有不同的共享范围。

每个分层都可以使用不同的长期记忆引擎驱动存储。

Global ​

全局层在所有用户和会话间共享。

一般在通用知识库，系统规则，公共信息下使用。

Preset ​

预设层在使用相同预设的对话间共享，不同预设间隔离。

一般在角色设定，预设背景信息，角色人格下使用。

Guild ​

群组层在同一群组内的用户间共享。

一般用于群聊话题，群成员信息，群组事件的存储。

User ​

用户层按用户隔离，但在同一用户的所有对话间共享。这也是最主要的记忆层。

一般用于用户的个人信息，用户的对话历史或者用户的个性化记忆。

检索机制 ​

检索时按配置的层级列表依次检索并合并结果。

默认情况下通过 enabledLayers 选择启用的层级。 通过 layerEngines 为不同层级配置引擎。

渲染模板函数 ​

模板函数 longMemory 支持在 ChatLuna 预设（主插件/伪装）中使用。

适用于非主插件下，需要检索记忆的场景。

阅读 渲染模板 以了解渲染模板的使用。

下面是语法：

js
{long_memory(...query_layers: string[])}

例如：

js
{long_memory('global', 'guild', 'user')}

会查询当前对话者全局层，群组层，用户层的记忆。

你只需要选择合适的位置插入到预设上下文中即可。

配置项 ​

基础配置 ​

enabledLayers ​

  • 类型: ('Global' | 'Preset' | 'Guild' | 'User')[]
  • 默认值: ['Global', 'Guild', 'User']

启用的记忆检索层。可以选择启用哪些层级的记忆。

layerEngines ​

  • 类型: { layer: 'Global' | 'Preset' | 'Guild' | 'User', engine: 'Basic' | 'HippoRAG' | 'Emgas' }[]

  • 默认值:

    json
    [
  { "layer": "User", "engine": "HippoRAG" },
  { "layer": "Global", "engine": "Basic" },
  { "layer": "Guild", "engine": "HippoRAG" },
  { "layer": "Preset", "engine": "HippoRAG" }
]

记忆检索层引擎列表。决定不同的记忆检索层使用的长期记忆引擎。

layerEngines.layer ​

检索层类型，可选值:

  • Global: 全局层
  • Preset: 预设层
  • Guild: 群组层
  • User: 用户层
layerEngines.engine ​

长期记忆引擎配置，可选值:

  • Basic: 基础引擎，纯文本叠加使用的记忆引擎，会将全部记忆加入到上下文中
  • HippoRAG: HippoRAG 引擎，基于 HippoRAG 的长期记忆引擎
  • Emgas: EMGAS 引擎，基于 EMGAS 的长期记忆引擎

longMemoryExtractModel ​

  • 类型: string
  • 默认值: 无

长期记忆自动分析提取记忆的模型。

longMemoryExtractInterval ​

  • 类型: number
  • 默认值: 3
  • 范围: 1-10

自动记忆抽取的轮次间隔，每 N 轮对话进行一次记忆抽取。

longMemoryQueryRewrite ​

  • 类型: boolean
  • 默认值: true

是否启用查询改写。开启后在搜索长期记忆前由模型生成更合适的查询。

HippoRAG 引擎配置 ​

hippoSimilarityThreshold ​

  • 类型: number
  • 默认值: 0.35
  • 范围: 0-1，步进 0.01

最终综合得分阈值。越高越严格，只有相似度超过此值的记忆才会被检索。

hippoPPRAlpha ​

  • 类型: number
  • 默认值: 0.15
  • 范围: 0-1，步进 0.01

PPR (Personalized PageRank) 随机游走参数 alpha。控制随机游走时的跳转概率。

hippoTopEntities ​

  • 类型: number
  • 默认值: 10
  • 范围: 1-50

PPR 选择的高分实体数量，用于候选扩展。

hippoMaxCandidates ​

  • 类型: number
  • 默认值: 200
  • 范围: 10-2000，步进 10

PPR 产生的候选记忆上限。

hippoHybridWeight ​

  • 类型: number
  • 默认值: 0.8
  • 范围: 0-1，步进 0.01

混合重排权重。这是语义相似度的占比，剩余部分为 PPR 分数。0.8 表示更偏向语义与指纹的鲁棒性。

hippoIEEnabled ​

  • 类型: boolean
  • 默认值: true

是否启用三元组抽取。开启后会从记忆中抽取实体关系三元组，构建更丰富的关系边，强化知识图谱。

hippoBridgeThreshold ​

  • 类型: number
  • 默认值: 0.6
  • 范围: 0-1，步进 0.01

实体桥接阈值。使用字符 Shingle Jaccard 相似度，相似实体间会自动添加连接边。

hippoReinforceTopK ​

  • 类型: number
  • 默认值: 10
  • 范围: 1-100

每次仅对前 K 条命中记忆进行"使用即强化"，减少写放大。

hippoAliasThreshold ​

  • 类型: number
  • 默认值: 0.85
  • 范围: 0-1，步进 0.01

实体别名合并阈值。使用字符 Shingle Jaccard 相似度，相似度达到或超过此值的实体会被合并为同一实体。

hippoKGPersist ​

  • 类型: boolean
  • 默认值: true

是否持久化知识图谱至磁盘。开启后重启无需重建知识图谱。

hippoExtractModel ​

  • 类型: string
  • 默认值: 无

用于记忆抽取和查询改写的模型。选择较快的模型可提高吞吐量。

EMGAS 引擎配置 ​

emgasExtractModel ​

  • 类型: string
  • 默认值: 无

用于从记忆内容中提取概念和主题的模型。

emgasDecayRate ​

  • 类型: number
  • 默认值: 0.01
  • 范围: 0.001-0.1，步进 0.001

时间衰减 Lambda (λ)。控制记忆背景性遗忘的速率。较高的值使记忆遗忘更快，影响节点的基础激活值，从而间接影响其在检索中被激活的潜力。

emgasPruneThreshold ​

  • 类型: number
  • 默认值: 0.05
  • 范围: 0.001-0.5，步进 0.001

低激活节点的修剪阈值。激活度低于此值的节点会从记忆图中移除，用于维护图的整洁性和检索效率。

emgasFiringThreshold ​

  • 类型: number
  • 默认值: 0.1
  • 范围: 0.01-1.0，步进 0.01

点火阈值 (F)。节点传播其能量所需的最小激活值。较高的值导致更集中、探索性较弱的搜索；较低的值则允许更广泛、更远的联想。

emgasPropagationDecay ​

  • 类型: number
  • 默认值: 0.85
  • 范围: 0.1-1.0，步进 0.01

传播衰减 (D)。能量在每跳传播中损失的比例。较高的衰减值（接近 1.0）将搜索限制在种子节点的近邻；较低的衰减值（接近 0.0）允许激活传播到更远的节点。

emgasMaxIterations ​

  • 类型: number
  • 默认值: 5
  • 范围: 1-20

最大迭代次数。强制终止扩散过程的硬性限制，直接控制检索延迟。较少的迭代次数返回更直接的关联，更多的迭代次数则能发现更深层次的间接关联。

emgasTopN ​

  • 类型: number
  • 默认值: 20
  • 范围: 5-100

从图中检索的候选记忆数量上限。控制返回结果的数量，平衡记忆覆盖度和处理效率。

页面历史

在 CC-BY-SA-4.0 许可下发布

Copyright © 2023-2026 dingyi