Memory System Complete v2.0

完整记忆系统：双脑架构 + 因果图谱 + 知识图谱 + 自动检测 + 进化系统

功能介绍

完整的记忆管理系统，支持：

核心功能

• ✅ 结构化记忆存储（SQLite左脑）
• ✅ 语义向量搜索（LanceDB右脑）
• ✅ 自动清理和优化
• ✅ 完整CRUD操作
• ✅ 导入/导出功能
• ✅ 自动安装和验证

v2.0.0 新增功能

• ✅ 因果关系图谱 - 自动检测和存储记忆之间的因果关系
• ✅ 知识点关系图谱 - 自动检测和存储知识点之间的各种关系
• ✅ 自动关系检测 - 基于关键词、相似度、类别的自动检测
• ✅ 记忆系统进化 - 两步思维链、四信号关联度、Louvain社区检测
• ✅ 图谱洞察 - 惊奇连接、知识空白检测
• ✅ 四阶段检索 - 分词搜索→图谱扩展→预算控制→上下文组装
• ✅ 深度研究 - LLM智能生成搜索主题，多查询网络搜索
• ✅ 审核系统 - 异步人机协作，预定义操作
• ✅ Purpose.md - 定义目标和方向

v1.2.x 功能

• ✅ Theory of Mind (ToM) 心智模型
• ✅ 情感分析（EQ改进）
• ✅ 增强检索系统（Memory改进）
• ✅ 相关记忆检测
• ✅ 热门记忆分析
• ✅ Ollama本地模型嵌入
• ✅ 语义搜索支持

⚠️ 重要说明

此技能不包含任何预置的记忆数据。

安装后，用户将获得：

• ✅ 完整的记忆系统架构
• ✅ 数据库初始化脚本
• ✅ 完整的API工具
• ✅ 使用文档和示例
• ✅ 因果关系图谱
• ✅ 知识点关系图谱
• ✅ 自动检测功能
• ✅ 进化系统

用户需要根据自己的需求添加记忆数据。

v2.0.0 新功能详解

1. 因果关系图谱

功能: 自动检测和存储记忆之间的因果关系

因果类型:

• direct - 直接因果
• indirect - 间接因果
• conditional - 条件因果
• probabilistic - 概率因果

核心功能:

• 添加/删除因果关系
• 获取原因/结果
• 获取因果链
• 检测因果循环
• 计算/更新因果强度

使用示例:

from scripts.causal_knowledge_graphs import CausalGraph

causal_graph = CausalGraph("memory/database/xiaozhi_memory.db")

# 添加因果关系
causal_graph.add_causal_relation(
    cause_id=1,
    effect_id=2,
    causal_type='direct',
    strength=0.8,
    confidence=0.9,
    evidence='Test evidence'
)

# 获取原因
causes = causal_graph.get_causes(effect_id=2)

# 获取结果
effects = causal_graph.get_effects(cause_id=1)

# 获取因果链
chain = causal_graph.get_causal_chain(start_id=1, max_depth=5)

# 检测因果循环
cycles = causal_graph.detect_causal_cycles()

2. 知识点关系图谱

功能: 自动检测和存储知识点之间的各种关系

关系类型:

• is_a - 是一种（继承）
• part_of - 是一部分（组成）
• related_to - 相关
• similar_to - 相似
• opposite_of - 相反
• depends_on - 依赖
• precedes - 先于
• follows - 跟随
• causes - 导致（因果关系）
• caused_by - 由...导致（因果关系）
• contains - 包含
• contained_in - 包含于
• exemplifies - 例证
• exemplified_by - 被例证
• context_for - 是...的上下文
• context_of - ...的上下文

核心功能:

• 添加/删除关系
• 获取关系
• 获取相关记忆（多跳）
• 查找最短路径
• 检测社区
• 获取子图

使用示例:

from scripts.causal_knowledge_graphs import KnowledgeGraph

knowledge_graph = KnowledgeGraph("memory/database/xiaozhi_memory.db")

# 添加关系
knowledge_graph.add_relation(
    source_id=1,
    target_id=2,
    relation_type='related_to',
    strength=0.7,
    direction='bidirectional'
)

# 获取关系
relations = knowledge_graph.get_relations(memory_id=1)

# 获取相关记忆（多跳）
related = knowledge_graph.get_related_memories(memory_id=1, relation_type='related_to', max_depth=2)

# 查找最短路径
path = knowledge_graph.find_shortest_path(source_id=1, target_id=3)

# 检测社区
communities = knowledge_graph.detect_communities()

3. 自动关系检测

功能: 基于关键词、相似度、类别自动检测关系

检测方法:

• 关键词匹配检测
• 相似度检测（Jaccard相似度）
• 类别检测
• 内容分析

使用示例:

from scripts.auto_relation_detector import AutoRelationManager

manager = AutoRelationManager("memory/database/xiaozhi_memory.db")