mem1 0.0.4__py3-none-any.whl → 0.0.5__py3-none-any.whl

mem1/__init__.py

@@ -2,7 +2,7 @@
 Mem1 - 基于 Elasticsearch 的用户记忆系统
 """
 
-__version__ = "0.1.0"
+__version__ = "0.0.5"
 
 from mem1.memory_es import Mem1Memory
 from mem1.config import Mem1Config, LLMConfig

mem1/config.py

@@ -20,6 +20,7 @@ class MemoryConfig(BaseModel):
     update_interval_minutes: int     # 距上次更新超过 M 分钟触发
     save_assistant_messages: bool    # 是否保存 assistant 回复
     max_assistant_chars: int         # assistant 回复超过此长度触发摘要
+    context_days_limit: int          # get_context 检索最近几天的对话
 
 
 class ESConfig(BaseModel):
@@ -97,7 +98,8 @@ class Mem1Config(BaseModel):
                 update_interval_rounds=int(required_vars["MEM1_UPDATE_INTERVAL_ROUNDS"]),
                 update_interval_minutes=int(required_vars["MEM1_UPDATE_INTERVAL_MINUTES"]),
                 save_assistant_messages=required_vars["MEM1_SAVE_ASSISTANT_MESSAGES"].lower() == "true",
-                max_assistant_chars=int(required_vars["MEM1_MAX_ASSISTANT_CHARS"])
+                max_assistant_chars=int(required_vars["MEM1_MAX_ASSISTANT_CHARS"]),
+                context_days_limit=int(os.getenv("MEM1_CONTEXT_DAYS_LIMIT", "31"))
             ),
             es=ESConfig(
                 hosts=es_hosts,

mem1/memory_es.py

@@ -475,11 +475,15 @@ class Mem1Memory:
     
     def get_context(
         self,
-        query: str,
-        include_normal: Optional[bool] = None,
+        query: str = "",
         days_limit: Optional[int] = None
     ) -> Dict[str, Any]:
-        """获取记忆上下文（当前话题）"""
+        """获取记忆上下文（当前话题）
+        
+        Args:
+            query: 用户问题（保留参数，暂未使用）
+            days_limit: 检索最近几天的对话，默认使用配置值
+        """
         user_id = self.user_id
         profile_content = self._init_profile(user_id)
         
@@ -495,39 +499,21 @@ class Mem1Memory:
         except Exception:
             pass
         
-        result = {
+        # 强制检索最近 days_limit 天的对话
+        if days_limit is None:
+            days_limit = self.config.memory.context_days_limit
+        conversations = self.get_conversations(days_limit=days_limit)
+        normal_content = self._format_conversations_for_llm(conversations) if conversations else ""
+        
+        return {
             "current_time": current_time,
             "user_id": user_id,
             "topic_id": self.topic_id,
             "import_content": profile_content,
-            "normal_content": "",
-            "need_history": False,
-            "recall_reason": "",
-            "recall_triggered_by": "none",
-            "profile_last_updated": profile_last_updated,
-            "conversations_count": 0
+            "normal_content": normal_content,
+            "conversations_count": len(conversations),
+            "profile_last_updated": profile_last_updated
         }
-        
-        # 判断是否需要历史记录
-        if include_normal is None:
-            need_history, reason = self._should_include_history(query)
-            result["recall_reason"] = reason
-            result["recall_triggered_by"] = "llm_decision"
-        elif include_normal:
-            need_history = True
-            result["recall_triggered_by"] = "manual"
-        else:
-            need_history = False
-            result["recall_triggered_by"] = "manual"
-        
-        if need_history:
-            conversations = self.get_conversations(days_limit=days_limit)
-            if conversations:
-                result["normal_content"] = self._format_conversations_for_llm(conversations)
-                result["need_history"] = True
-                result["conversations_count"] = len(conversations)
-        
-        return result
     
     def _compress_profile(self, user_id: str, profile_content: str) -> str:
         """压缩用户画像"""

mem1-0.0.5.dist-info/METADATA

@@ -0,0 +1,139 @@
+Metadata-Version: 2.4
+Name: mem1
+Version: 0.0.5
+Summary: 基于云服务的用户记忆系统
+Project-URL: Homepage, https://github.com/sougannkyou/mem1
+Project-URL: Repository, https://github.com/sougannkyou/mem1
+Author: Song
+License: MIT
+Keywords: langchain,llm,memory,user-profile
+Classifier: Development Status :: 3 - Alpha
+Classifier: Intended Audience :: Developers
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Programming Language :: Python :: 3.13
+Requires-Python: >=3.12
+Requires-Dist: elasticsearch>=8.0.0
+Requires-Dist: openai>=1.0.0
+Requires-Dist: pydantic>=2.0.0
+Requires-Dist: python-dotenv>=1.0.0
+Provides-Extra: dev
+Requires-Dist: ipython>=8.0.0; extra == 'dev'
+Description-Content-Type: text/markdown
+
+# mem1 - 用户记忆系统
+
+让 AI 真正"记住"用户：三层记忆架构 + 图片记忆 + 话题隔离 + 业务场景解耦。
+
+## 核心特性
+
+- **三层记忆架构**：短期会话 → 用户画像 → 长期记录
+- **话题隔离**：同一用户可有多个话题，对话按话题隔离，画像跨话题共享
+- **图片记忆**：支持存储和语义搜索用户发送的图片
+- **业务解耦**：通过 ProfileTemplate 适配不同场景
+- **画像自动更新**：基于对话轮数/时间自动触发 LLM 更新用户画像
+
+## 安装
+
+```bash
+pip install mem1
+```
+
+## 快速开始
+
+```python
+from mem1 import Mem1Memory, Mem1Config
+
+# 从环境变量加载配置
+config = Mem1Config.from_env()
+
+# 创建记忆实例（绑定用户和话题）
+memory = Mem1Memory(config, user_id="user001", topic_id="project_a")
+
+# 添加对话
+memory.add_conversation(
+    messages=[
+        {"role": "user", "content": "你好，我是张明"},
+        {"role": "assistant", "content": "你好张明！"}
+    ]
+)
+
+# 获取上下文（含用户画像 + 最近对话）
+ctx = memory.get_context()
+print(ctx['import_content'])   # 用户画像
+print(ctx['normal_content'])   # 最近对话记录
+print(ctx['current_time'])     # 当前时间
+```
+
+## 环境变量配置
+
+```bash
+# LLM 配置
+MEM1_LLM_API_KEY=your-api-key
+MEM1_LLM_BASE_URL=https://api.deepseek.com
+MEM1_LLM_MODEL=deepseek-chat
+
+# ES 配置
+MEM1_ES_HOSTS=http://localhost:9200
+MEM1_ES_INDEX=conversation_history
+
+# 记忆配置
+MEM1_MEMORY_DIR=./memories
+MEM1_AUTO_UPDATE_PROFILE=true
+MEM1_MAX_PROFILE_CHARS=3000
+MEM1_UPDATE_INTERVAL_ROUNDS=5
+MEM1_UPDATE_INTERVAL_MINUTES=3
+MEM1_SAVE_ASSISTANT_MESSAGES=true
+MEM1_MAX_ASSISTANT_CHARS=500
+MEM1_CONTEXT_DAYS_LIMIT=31
+```
+
+## 核心接口
+
+```python
+memory = Mem1Memory(config, user_id="user001", topic_id="project_a")
+
+# 添加对话
+memory.add_conversation(messages=[...], images=[...], metadata={...})
+
+# 获取上下文（画像 + 最近 N 天对话）
+ctx = memory.get_context(days_limit=31)
+
+# 查询对话
+convs = memory.get_conversations(days_limit=7)
+all_convs = memory.get_all_conversations(days_limit=7)
+
+# 图片搜索
+results = memory.search_images(query="麻花")
+
+# 话题管理
+topics = memory.list_topics()
+memory.delete_topic()
+memory.delete_user()
+```
+
+## ES 索引
+
+| 索引 | 用途 |
+|------|------|
+| `conversation_history` | 对话记录 |
+| `mem1_user_state` | 用户状态 |
+| `mem1_user_profile` | 用户画像 |
+
+## LLM 提示词建议
+
+使用 `get_context()` 获取上下文后，建议在 system prompt 中加入以下规则，避免 LLM 编造信息：
+
+```
+## 重要规则
+1. 回答必须基于上述对话记录中的实际内容，严禁编造任何信息
+2. 涉及数字（金额、数量、百分比、日期等）时，必须从对话记录中原样提取，不得估算或编造
+3. 需要汇总累加时，必须列出计算过程（如：23+31+18+25=97）
+4. 涉及人名、公司名、账号名等实体时，必须使用对话中的原始名称
+5. 如果对话记录中没有相关信息，请明确说"对话记录中未提及"，不要猜测
+```
+
+## License
+
+MIT

mem1-0.0.5.dist-info/RECORD

@@ -0,0 +1,11 @@
+mem1/__init__.py,sha256=D-o5MjyTl565vqyVOyigm9LiZmsk9S5DfyV4QobLNo8,219
+mem1/config.py,sha256=Tr91k9P9T-znshYAFGSyL3KGNy38xQLjbSJWlHxxeIo,4309
+mem1/langchain_middleware.py,sha256=h2mG7K2Tq1N7IovXMvCyvOhsAwTWOR1NAqivF4db2AE,6648
+mem1/llm.py,sha256=EKsZHxLrRn-OTxCsPHOYcUTjnEF5RVMnEM8fqWzdkbg,1114
+mem1/memory_es.py,sha256=nVkZ2W-MWL0ZLzNqDoZ7e5Ccgde8SKzy2ogMm1CKZu8,27787
+mem1/memory_md.py,sha256=uu_TvdBoUpAncT1eissOSe1Y3vCy3iWMcuvCy3vCjEA,26258
+mem1/memory_tools.py,sha256=b1YBiRNet0gXnW-KGIZ2KQclluB9Q6dli_DbWLS571k,3646
+mem1/prompts.py,sha256=L0JGVa--V_h9KqqZnb1n1N9oaPqxBhxHFL71Us9J5qM,8685
+mem1-0.0.5.dist-info/METADATA,sha256=ZbNrxTHxutoP5zK65emlcymBSFagU2AE2dLhpX74bjE,3957
+mem1-0.0.5.dist-info/WHEEL,sha256=WLgqFyCfm_KASv4WHyYy0P3pM_m7J5L9k2skdKLirC8,87
+mem1-0.0.5.dist-info/RECORD,,

mem1-0.0.4.dist-info/METADATA

@@ -1,217 +0,0 @@
-Metadata-Version: 2.4
-Name: mem1
-Version: 0.0.4
-Summary: 基于云服务的用户记忆系统
-Project-URL: Homepage, https://github.com/sougannkyou/mem1
-Project-URL: Repository, https://github.com/sougannkyou/mem1
-Author: Song
-License: MIT
-Keywords: langchain,llm,memory,user-profile
-Classifier: Development Status :: 3 - Alpha
-Classifier: Intended Audience :: Developers
-Classifier: License :: OSI Approved :: MIT License
-Classifier: Programming Language :: Python :: 3
-Classifier: Programming Language :: Python :: 3.12
-Classifier: Programming Language :: Python :: 3.13
-Requires-Python: >=3.12
-Requires-Dist: elasticsearch>=8.0.0
-Requires-Dist: openai>=1.0.0
-Requires-Dist: pydantic>=2.0.0
-Requires-Dist: python-dotenv>=1.0.0
-Provides-Extra: dev
-Requires-Dist: ipython>=8.0.0; extra == 'dev'
-Description-Content-Type: text/markdown
-
-# mem1 - 用户记忆系统
-
-让 AI 真正"记住"用户：三层记忆架构 + 图片记忆 + 话题隔离 + 业务场景解耦。
-
-## 为什么需要 mem1？
-
-LLM 本身无状态，每次对话都是"失忆"的。mem1 让 AI 助手能够：
-- 记住用户是谁（身份、背景）
-- 记住用户喜欢什么（偏好、习惯）  
-- 记住用户说过什么（历史对话、图片）
-- 记住用户的反馈（表扬、批评）
-
-## 核心特性
-
-- **三层记忆架构**：短期会话 → 用户画像 → 长期记录，参考 ChatGPT Memory 设计
-- **话题隔离**：同一用户可有多个话题，对话按话题隔离，画像跨话题共享
-- **图片记忆**：支持存储和语义搜索用户发送的图片
-- **业务解耦**：通过 ProfileTemplate 适配不同场景（舆情、电商、医疗等）
-- **智能检索**：LLM 判断是否需要回溯历史，节省 token
-- **画像自动更新**：基于对话轮数/时间自动触发 LLM 更新用户画像
-- **助手回复摘要**：超长回复自动摘要，节省存储
-
-## 三层记忆架构
-
-```
-┌─────────────────────────────────────────────────────────────┐
-│  Tier 1: 短期记忆 (LangChain 管理)                           │
-│  - 当前会话 messages，会话结束即清空                          │
-└─────────────────────────────────────────────────────────────┘
-                              ↓ 会话结束时保存
-┌─────────────────────────────────────────────────────────────┐
-│  Tier 2: 用户画像 (ES: mem1_user_profile)                    │
-│  - LLM 从历史对话中提炼的结构化信息                           │
-│  - 基本信息、偏好习惯、任务时间线、待办事项、待澄清事项         │
-│  - 跨话题共享                                                │
-└─────────────────────────────────────────────────────────────┘
-┌─────────────────────────────────────────────────────────────┐
-│  Tier 3: 长期记忆 (ES: conversation_history)                 │
-│  - 原始对话记录（带时间戳、元数据、图片）                      │
-│  - 按 user_id + topic_id 隔离                                │
-│  - 按需加载，避免 token 浪费                                  │
-└─────────────────────────────────────────────────────────────┘
-```
-
-## 安装
-
-```bash
-pip install mem1
-```
-
-## 快速开始
-
-```python
-from mem1 import Mem1Memory, Mem1Config
-
-# 方式1：从环境变量加载配置
-config = Mem1Config.from_env()
-
-# 方式2：手动配置
-from mem1 import LLMConfig
-from mem1.config import MemoryConfig, ESConfig, ImagesConfig
-
-config = Mem1Config(
-    llm=LLMConfig(
-        provider="openai",
-        model="deepseek-chat",
-        api_key="your-api-key",
-        base_url="https://api.deepseek.com"
-    ),
-    memory=MemoryConfig(
-        memory_dir="./memories",
-        auto_update_profile=True,
-        max_profile_chars=3000,
-        update_interval_rounds=5,
-        update_interval_minutes=3,
-        save_assistant_messages=True,
-        max_assistant_chars=500
-    ),
-    es=ESConfig(
-        hosts=["http://localhost:9200"],
-        index_name="conversation_history"
-    ),
-    images=ImagesConfig(
-        images_dir="./memories/images"
-    )
-)
-
-# 创建记忆实例（绑定用户和话题）
-memory = Mem1Memory(
-    config=config,
-    user_id="user001",
-    topic_id="project_a"  # 可选，默认 "default"
-)
-
-# 添加对话
-memory.add_conversation(
-    messages=[
-        {"role": "user", "content": "你好，我是张明"},
-        {"role": "assistant", "content": "你好张明！"}
-    ],
-    metadata={"topic": "自我介绍"}
-)
-
-# 获取上下文（含用户画像）
-ctx = memory.get_context(query="帮我写报告")
-print(ctx['import_content'])  # 用户画像
-print(ctx['current_time'])    # 当前时间
-
-# 手动更新画像
-memory.update_profile()
-```
-
-## 环境变量配置
-
-```bash
-# LLM 配置
-MEM1_LLM_API_KEY=your-api-key
-MEM1_LLM_BASE_URL=https://api.deepseek.com
-MEM1_LLM_MODEL=deepseek-chat
-
-# ES 配置
-MEM1_ES_HOSTS=http://localhost:9200
-MEM1_ES_INDEX=conversation_history
-
-# 记忆配置
-MEM1_MEMORY_DIR=./memories
-MEM1_AUTO_UPDATE_PROFILE=true
-MEM1_MAX_PROFILE_CHARS=3000
-MEM1_UPDATE_INTERVAL_ROUNDS=5
-MEM1_UPDATE_INTERVAL_MINUTES=3
-MEM1_SAVE_ASSISTANT_MESSAGES=true
-MEM1_MAX_ASSISTANT_CHARS=500
-```
-
-## ES 索引
-
-| 索引 | 用途 |
-|------|------|
-| `conversation_history` | 对话记录（按 user_id + topic_id 隔离） |
-| `mem1_user_state` | 用户状态（更新轮数、时间） |
-| `mem1_user_profile` | 用户画像（跨话题共享） |
-
-## 核心接口
-
-```python
-# 创建实例（绑定用户和话题）
-memory = Mem1Memory(config, user_id="user001", topic_id="project_a")
-
-# 添加对话（支持图片、元数据）
-memory.add_conversation(
-    messages=[...],
-    images=[{"filename": "截图.png", "path": "./test.png"}],
-    metadata={"topic": "舆情分析"}
-)
-
-# 获取上下文
-ctx = memory.get_context(query="问题")
-
-# 查询当前话题的对话
-convs = memory.get_conversations(days_limit=7)
-
-# 查询用户所有话题的对话
-all_convs = memory.get_all_conversations(days_limit=7)
-
-# 搜索图片
-results = memory.search_images(query="麻花")
-
-# 列出用户所有话题
-topics = memory.list_topics()
-
-# 删除当前话题
-memory.delete_topic()
-
-# 删除用户所有数据
-memory.delete_user()
-```
-
-## 示例
-
-见 `examples/` 目录：
-- `basic_usage.py` - 基础用法
-- `langchain_integration.py` - LangChain 集成
-- `batch_import.py` - 批量导入
-- `image_usage.py` - 图片功能
-
-## 参考资料
-
-- [Reverse Engineering Latest ChatGPT Memory Feature](https://agentman.ai/blog/reverse-ngineering-latest-ChatGPT-memory-feature-and-building-your-own)
-- [How ChatGPT's Memory Actually Works](https://manthanguptaa.in/posts/chatgpt_memory/)
-
-## License
-
-MIT

mem1-0.0.4.dist-info/RECORD

@@ -1,11 +0,0 @@
-mem1/__init__.py,sha256=f722Z_XaYwc3dQVhLc4X8oy_ffB8qrR1SuvEH01MGf8,219
-mem1/config.py,sha256=WxZVcj_Hy3Rdf0emUz1l17oomAKj5S_2n7Je0tj-HDs,4146
-mem1/langchain_middleware.py,sha256=h2mG7K2Tq1N7IovXMvCyvOhsAwTWOR1NAqivF4db2AE,6648
-mem1/llm.py,sha256=EKsZHxLrRn-OTxCsPHOYcUTjnEF5RVMnEM8fqWzdkbg,1114
-mem1/memory_es.py,sha256=XPGoWYA2G9QkbrGOO3RVRQdLU4XiNw2CqsXnbV9w2TM,28263
-mem1/memory_md.py,sha256=uu_TvdBoUpAncT1eissOSe1Y3vCy3iWMcuvCy3vCjEA,26258
-mem1/memory_tools.py,sha256=b1YBiRNet0gXnW-KGIZ2KQclluB9Q6dli_DbWLS571k,3646
-mem1/prompts.py,sha256=L0JGVa--V_h9KqqZnb1n1N9oaPqxBhxHFL71Us9J5qM,8685
-mem1-0.0.4.dist-info/METADATA,sha256=rKxWIYdnDbYYQkNbTYdp5Ms9OEqarHU3JrBB8kBhxh4,7420
-mem1-0.0.4.dist-info/WHEEL,sha256=WLgqFyCfm_KASv4WHyYy0P3pM_m7J5L9k2skdKLirC8,87
-mem1-0.0.4.dist-info/RECORD,,