mem1 0.1.1__py3-none-any.whl → 0.1.2__py3-none-any.whl

mem1/config.py

@@ -41,6 +41,9 @@ class MemoryConfig(BaseModel):
     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
+    # 时间衰减配置（借鉴 supermemory Smart Forgetting）
+    decay_recent_days: int           # [近期] 阈值，默认 7 天
+    decay_earlier_days: int          # [较早] 阈值，默认 30 天（超过为 [久远]）
 
 
 class ESConfig(BaseModel):
@@ -49,6 +52,18 @@ class ESConfig(BaseModel):
     index_name: str
 
 
+class SQLiteConfig(BaseModel):
+    """SQLite 配置"""
+    db_path: str
+
+
+class StorageConfig(BaseModel):
+    """存储配置"""
+    backend: str  # sqlite / elasticsearch
+    sqlite: Optional[SQLiteConfig] = None
+    es: Optional[ESConfig] = None
+
+
 class ImagesConfig(BaseModel):
     """图片存储配置"""
     images_dir: str
@@ -59,59 +74,88 @@ class Mem1Config(BaseModel):
     llm: LLMConfig
     vl: VLConfig
     memory: MemoryConfig
-    es: ESConfig
+    storage: StorageConfig
     images: ImagesConfig
     
+    # 兼容旧接口
+    @property
+    def es(self) -> Optional[ESConfig]:
+        return self.storage.es
+    
     @classmethod
     def from_env(cls) -> "Mem1Config":
         """从环境变量加载配置
         
+        存储后端配置：
+        - MEM1_STORAGE_BACKEND: sqlite（默认）/ elasticsearch
+        - MEM1_SQLITE_PATH: SQLite 数据库路径（默认 {memory_dir}/mem1.db）
+        - MEM1_ES_HOSTS: ES 地址（仅 elasticsearch 后端需要）
+        - MEM1_ES_INDEX: ES 索引名（仅 elasticsearch 后端需要）
+        
         必需的环境变量：
         - MEM1_LLM_API_KEY: LLM API 密钥
         - MEM1_LLM_BASE_URL: LLM API 地址（OpenAI 兼容）
         - MEM1_LLM_MODEL: LLM 模型名
-        - MEM1_ES_HOSTS: ES 地址
-        - MEM1_ES_INDEX: ES 索引名
         - MEM1_MEMORY_DIR: 记忆存储目录
-        - MEM1_AUTO_UPDATE_PROFILE: 是否自动更新画像 (true/false)
-        - MEM1_MAX_PROFILE_CHARS: 画像最大字符数
-        - MEM1_UPDATE_INTERVAL_ROUNDS: 画像更新间隔轮数
-        - MEM1_UPDATE_INTERVAL_MINUTES: 画像更新间隔分钟数
         
-        可选的环境变量（VL 模型，使用 dashscope SDK）：
-        - MEM1_VL_MODEL: VL 模型名（如 qwen-vl-max），配置即启用
-        - MEM1_VL_API_KEY: dashscope API 密钥
+        可选的环境变量（VL 模型）：
+        - MEM1_VL_PROVIDER: qwen / doubao
+        - MEM1_VL_MODEL: VL 模型名
+        - MEM1_VL_API_KEY: API 密钥
         """
-        # 必需配置检查
+        # 存储后端选择
+        storage_backend = os.getenv("MEM1_STORAGE_BACKEND", "sqlite").lower()
+        
+        # 基础必需配置
         required_vars = {
             "MEM1_LLM_API_KEY": os.getenv("MEM1_LLM_API_KEY"),
             "MEM1_LLM_BASE_URL": os.getenv("MEM1_LLM_BASE_URL"),
             "MEM1_LLM_MODEL": os.getenv("MEM1_LLM_MODEL"),
-            "MEM1_ES_HOSTS": os.getenv("MEM1_ES_HOSTS"),
-            "MEM1_ES_INDEX": os.getenv("MEM1_ES_INDEX"),
             "MEM1_MEMORY_DIR": os.getenv("MEM1_MEMORY_DIR"),
-            "MEM1_AUTO_UPDATE_PROFILE": os.getenv("MEM1_AUTO_UPDATE_PROFILE"),
-            "MEM1_MAX_PROFILE_CHARS": os.getenv("MEM1_MAX_PROFILE_CHARS"),
-            "MEM1_UPDATE_INTERVAL_ROUNDS": os.getenv("MEM1_UPDATE_INTERVAL_ROUNDS"),
-            "MEM1_UPDATE_INTERVAL_MINUTES": os.getenv("MEM1_UPDATE_INTERVAL_MINUTES"),
-            "MEM1_SAVE_ASSISTANT_MESSAGES": os.getenv("MEM1_SAVE_ASSISTANT_MESSAGES"),
-            "MEM1_MAX_ASSISTANT_CHARS": os.getenv("MEM1_MAX_ASSISTANT_CHARS"),
-            "MEM1_LLM_TEMPERATURE": os.getenv("MEM1_LLM_TEMPERATURE"),
-            "MEM1_CONTEXT_DAYS_LIMIT": os.getenv("MEM1_CONTEXT_DAYS_LIMIT"),
+            "MEM1_AUTO_UPDATE_PROFILE": os.getenv("MEM1_AUTO_UPDATE_PROFILE", "true"),
+            "MEM1_MAX_PROFILE_CHARS": os.getenv("MEM1_MAX_PROFILE_CHARS", "3000"),
+            "MEM1_UPDATE_INTERVAL_ROUNDS": os.getenv("MEM1_UPDATE_INTERVAL_ROUNDS", "5"),
+            "MEM1_UPDATE_INTERVAL_MINUTES": os.getenv("MEM1_UPDATE_INTERVAL_MINUTES", "3"),
+            "MEM1_SAVE_ASSISTANT_MESSAGES": os.getenv("MEM1_SAVE_ASSISTANT_MESSAGES", "true"),
+            "MEM1_MAX_ASSISTANT_CHARS": os.getenv("MEM1_MAX_ASSISTANT_CHARS", "500"),
+            "MEM1_LLM_TEMPERATURE": os.getenv("MEM1_LLM_TEMPERATURE", "0.2"),
+            "MEM1_CONTEXT_DAYS_LIMIT": os.getenv("MEM1_CONTEXT_DAYS_LIMIT", "31"),
+            "MEM1_DECAY_RECENT_DAYS": os.getenv("MEM1_DECAY_RECENT_DAYS", "7"),
+            "MEM1_DECAY_EARLIER_DAYS": os.getenv("MEM1_DECAY_EARLIER_DAYS", "31"),
         }
         
-        missing = [k for k, v in required_vars.items() if not v]
+        # 检查基础必需配置
+        base_required = ["MEM1_LLM_API_KEY", "MEM1_LLM_BASE_URL", "MEM1_LLM_MODEL", "MEM1_MEMORY_DIR"]
+        missing = [k for k in base_required if not required_vars.get(k)]
         if missing:
             raise ValueError(f"缺少必需的环境变量: {', '.join(missing)}")
         
-        # ES hosts 支持逗号分隔的多个地址
-        es_hosts = [h.strip() for h in required_vars["MEM1_ES_HOSTS"].split(",")]
-        
-        # 图片目录基于记忆目录
         memory_dir = required_vars["MEM1_MEMORY_DIR"]
         images_dir = f"{memory_dir}/images"
         
-        # VL 模型配置（可选，配置了 provider 即启用）
+        # 构建存储配置
+        storage_config: StorageConfig
+        if storage_backend == "elasticsearch":
+            es_hosts = os.getenv("MEM1_ES_HOSTS")
+            es_index = os.getenv("MEM1_ES_INDEX")
+            if not es_hosts or not es_index:
+                raise ValueError("elasticsearch 后端需要配置 MEM1_ES_HOSTS 和 MEM1_ES_INDEX")
+            storage_config = StorageConfig(
+                backend="elasticsearch",
+                es=ESConfig(
+                    hosts=[h.strip() for h in es_hosts.split(",")],
+                    index_name=es_index
+                )
+            )
+        else:
+            # 默认 SQLite
+            sqlite_path = os.getenv("MEM1_SQLITE_PATH", f"{memory_dir}/mem1.db")
+            storage_config = StorageConfig(
+                backend="sqlite",
+                sqlite=SQLiteConfig(db_path=sqlite_path)
+            )
+        
+        # VL 模型配置（可选）
         vl_config = VLConfig(
             provider=os.getenv("MEM1_VL_PROVIDER", ""),
             model=os.getenv("MEM1_VL_MODEL", ""),
@@ -136,12 +180,11 @@ class Mem1Config(BaseModel):
                 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"]),
-                context_days_limit=int(required_vars["MEM1_CONTEXT_DAYS_LIMIT"])
-            ),
-            es=ESConfig(
-                hosts=es_hosts,
-                index_name=required_vars["MEM1_ES_INDEX"]
+                context_days_limit=int(required_vars["MEM1_CONTEXT_DAYS_LIMIT"]),
+                decay_recent_days=int(required_vars["MEM1_DECAY_RECENT_DAYS"]),
+                decay_earlier_days=int(required_vars["MEM1_DECAY_EARLIER_DAYS"])
             ),
+            storage=storage_config,
             images=ImagesConfig(
                 images_dir=images_dir
             )

mem1/memory.py

@@ -10,7 +10,7 @@ from pathlib import Path
 from mem1.config import Mem1Config
 from mem1.llm import LLMClient, VLClient
 from mem1.prompts import ProfileTemplate, RECALL_DECISION_PROMPT, IMAGE_SEARCH_PROMPT, ASSISTANT_SUMMARY_PROMPT, CONTEXT_SUFFICIENT_PROMPT
-from mem1.storage import StorageBackend, ESStorage
+from mem1.storage import StorageBackend, ESStorage, SQLiteStorage
 
 logger = logging.getLogger(__name__)
 
@@ -55,8 +55,11 @@ class Mem1Memory:
         # 存储后端（可插拔）
         if storage:
             self.storage = storage
+        elif config.storage.backend == "elasticsearch":
+            self.storage = ESStorage(config.storage.es.hosts, config.storage.es.index_name)
         else:
-            self.storage = ESStorage(config.es.hosts, config.es.index_name)
+            # 默认 SQLite
+            self.storage = SQLiteStorage(config.storage.sqlite.db_path)
         
         # LLM 客户端
         self.llm = LLMClient(config.llm)
@@ -74,6 +77,9 @@ class Mem1Memory:
         self.update_interval_minutes = config.memory.update_interval_minutes
         self.save_assistant_messages = config.memory.save_assistant_messages
         self.max_assistant_chars = config.memory.max_assistant_chars
+        # 时间衰减配置
+        self.decay_recent_days = config.memory.decay_recent_days
+        self.decay_earlier_days = config.memory.decay_earlier_days
     
     # ========== 图片处理 ==========
     
@@ -546,14 +552,37 @@ class Mem1Memory:
         return summary
     
     def _format_conversations_for_llm(self, conversations: List[Dict[str, Any]]) -> str:
-        """格式化对话记录为文本（带引用 ID）"""
+        """格式化对话记录为文本（带引用 ID 和时间衰减标记）
+        
+        时间衰减设计（借鉴 supermemory Smart Forgetting）：
+        - [近期] decay_recent_days 天内：权重高，优先保留
+        - [较早] decay_recent_days ~ decay_earlier_days 天：权重中等
+        - [久远] 超过 decay_earlier_days 天：权重低，Dynamic 信息可淘汰
+        """
+        from datetime import datetime
+        now = datetime.now()
+        
         output = []
         for idx, conv in enumerate(conversations, start=1):
             conv_id = f"对话-{idx:03d}"  # 001, 002, 003...
-            timestamp = conv.get("timestamp", "未知时间")
+            timestamp_str = conv.get("timestamp", "未知时间")
             metadata = conv.get("metadata", {})
             
-            title = f"### [{conv_id}] {timestamp}"
+            # 计算时间衰减标记
+            decay_tag = ""
+            try:
+                conv_time = datetime.strptime(timestamp_str, '%Y-%m-%d %H:%M:%S')
+                days_ago = (now - conv_time).days
+                if days_ago <= self.decay_recent_days:
+                    decay_tag = "[近期]"
+                elif days_ago <= self.decay_earlier_days:
+                    decay_tag = "[较早]"
+                else:
+                    decay_tag = "[久远]"
+            except (ValueError, TypeError):
+                decay_tag = ""
+            
+            title = f"### [{conv_id}] {decay_tag} {timestamp_str}"
             if metadata:
                 tags = " ".join([f"[{k}:{v}]" for k, v in metadata.items()])
                 title += f" {tags}"

mem1/prompts.py

@@ -20,41 +20,45 @@ class ProfileTemplate:
     - 业务场景通过 ProfileTemplate 定义画像结构和提示词
     """
     
-    # 默认通用模板
-    DEFAULT_SECTIONS = """## 基本信息
+    # 默认通用模板（借鉴 supermemory 的 static/dynamic 设计）
+    DEFAULT_SECTIONS = """## 🔒 稳定信息（Static）
+> 核心事实，很少变化，压缩时必须保留
+
 - 姓名/称呼：
 - 身份/角色：
 - 所属组织：
+- 长期偏好：（沟通风格、关注重点等）
 - 背景信息：
 
-## 偏好习惯
-- 沟通风格：（详细/简洁、正式/随意等）
-- 关注重点：
-- 特殊要求：
+## 🔄 动态信息（Dynamic）
+> 近期状态，经常更新，可精简合并
+
+### 当前关注
+- 进行中项目：
+- 近期兴趣：
+- 当前任务：
 
-## 周期性任务
-（固定日程和重复性工作，格式：[周期] 任务内容）
-- 例：[每周一] 提交周报、[每周五] 制定下周计划、[每月底] 月度汇总
+### 周期性任务
+（固定日程，格式：[周期] 任务内容）
 
-## 关键数据
-（重要的数字、金额、数量，用加粗标记）
-- 例：处置 **97起** 案件、涉及金额 **230万元**、完成 **365个** 检查点
+### 关键数据
+（重要数字，用 **加粗** 标记）
 
-## 任务时间线
-（用户提到的计划、截止日期、里程碑，格式：[YYYY-MM-DD] 事项）
+### 任务时间线
+（计划/截止日期，格式：[YYYY-MM-DD] 事项）
 
-## 待办事项
-（用户提出但未完成的请求，格式：- [ ] 事项（MM-DD 提出））
+### 待办事项
+（未完成请求，格式：- [ ] 事项（MM-DD 提出））
 
-## 待澄清事项
-（用户前后矛盾或模糊的信息，需要下次确认，格式：⚠️ 矛盾描述）
+## ⚠️ 待澄清事项
+（前后矛盾的信息，格式：⚠️ 矛盾描述）
 
-## 用户反馈
-- 正向反馈：（满意的地方）
-- 负向反馈：（不满意的地方、需改进的问题）
+## 📝 用户反馈
+- 正向反馈：
+- 负向反馈：
 
-## 注意事项
-（需要规避的话题、曾经的误解、用户不喜欢的做法等）"""
+## 🚫 注意事项
+（规避话题、历史问题等）"""
 
     def __init__(
         self,
@@ -100,7 +104,7 @@ class ProfileTemplate:
 
 DEFAULT_PROFILE_UPDATE_PROMPT = """你是用户画像分析专家。从对话记录中提取用户信息，更新用户画像。
 
-## 对话记录
+## 对话记录（带时间衰减标记）
 {normal_content}
 
 ## 现有用户画像
@@ -112,33 +116,53 @@ DEFAULT_PROFILE_UPDATE_PROMPT = """你是用户画像分析专家。从对话记
 ## 输出格式
 直接输出完整的 Markdown 格式用户画像，保持现有画像的章节结构。
 
+## Static vs Dynamic 分类原则（借鉴 supermemory）
+画像分为两类信息，更新时需区分处理：
+
+### 🔒 稳定信息（Static）—— 必须保留
+- 核心身份：姓名、职业、所属组织
+- 长期偏好：沟通风格、关注重点
+- 背景信息：专业领域、工作经历
+- 特点：很少变化，除非用户明确否定
+
+### 🔄 动态信息（Dynamic）—— 可更新/淘汰
+- 当前状态：进行中项目、近期兴趣
+- 时效信息：任务时间线、待办事项
+- 临时数据：具体事件、阶段性目标
+- 特点：随时间变化，旧信息可被新信息替换
+
+## 记忆关系处理（借鉴 supermemory Graph Memory）
+- **Updates（替换）**：新信息与旧信息矛盾时，用新的替换旧的（仅限 Dynamic 部分）
+- **Extends（补充）**：新信息丰富旧信息时，合并保留
+- **矛盾检测**：Static 信息出现矛盾时，记录到「待澄清事项」，不直接覆盖
+
+## 时间衰减处理
+- 对话记录中标注了 [近期]、[较早]、[久远] 等时间标记
+- [近期] 信息权重高，优先保留
+- [久远] 的 Dynamic 信息可以精简或删除
+- Static 信息不受时间衰减影响
+
 ## 整理原则
-1. 不能丢失现有画像中的信息，除非对话中明确否定
-2. 新信息是补充，不是替换
+1. Static 信息：不能丢失，除非用户明确否定
+2. Dynamic 信息：新信息可替换旧信息
 3. 用户反馈（表扬或批评）必须保留
 4. 只记录用户明确表达的信息，不要推测
-5. 如果某个章节没有信息，保留标题但内容留空
-
-## 周期性任务提取
-6. 识别固定日程：用户提到"每周一"、"每周五"、"每天"、"每月"等周期性任务
-7. 记录到「周期性任务」章节，格式：[周期] 任务内容
-8. 示例：[每周一] 提交周报、[每周五] 制定下周计划
+5. 空章节保留标题
 
 ## 关键数字保留【重要】
-9. 所有具体数字必须原样保留并用 **加粗** 标记，禁止概括为"多个"、"若干"、"大量"
-10. 记录到「关键数据」章节，格式：事项描述 **数字**
-11. 正确示例：处置 **97起** 案件、涉及金额 **230万元** ✓
-12. 错误示例：处置多起案件、涉及大额资金 ✗
+- 所有具体数字必须原样保留并用 **加粗** 标记
+- 禁止概括为"多个"、"若干"、"大量"
+- 正确：处置 **97起** 案件 ✓
+- 错误：处置多起案件 ✗
 
-## 时间敏感信息提取
-13. 任务时间线：提取用户提到的日期、截止时间、计划安排、里程碑，记录到「任务时间线」
-14. 待办事项：识别用户说"下次"、"回头"、"先这样"、"稍后"、"改天"等挂起信号，将未完成的请求记录到「待办事项」
-15. 已完成事项：如果对话中确认某个待办已完成，将其从「待办事项」移除或标记为 [x]
+## 时间敏感信息
+- 任务时间线：提取日期、截止时间、里程碑
+- 待办事项：识别"下次"、"回头"、"稍后"等挂起信号
+- 已完成事项：标记为 [x] 或移除
 
 ## 矛盾检测
-16. 发现用户前后说法矛盾时（如偏好、身份、需求不一致），不要直接覆盖旧信息
-17. 将矛盾记录到「待澄清事项」，格式：⚠️ 用户曾说"..."（日期），但又说"..."（日期）
-18. 只有用户明确澄清后，才能更新对应信息并移除待澄清标记
+- Static 信息矛盾：记录到「待澄清事项」，格式：⚠️ 用户曾说"..."，但又说"..."
+- Dynamic 信息矛盾：直接用新信息替换旧信息
 
 ---
 *最后更新: {timestamp}*
@@ -152,12 +176,31 @@ DEFAULT_PROFILE_COMPRESS_PROMPT = """你是用户画像压缩专家。当前用
 ## 任务
 将用户画像压缩到 {max_chars} 字符以内，保留最重要的信息。
 
-## 压缩原则
-1. 保留核心身份信息
-2. 保留关键偏好（最重要的 2-3 条）
-3. 合并相似条目
-4. 删除过时信息
-5. 保留负向反馈
+## 压缩优先级（借鉴 supermemory 的 Static/Dynamic 设计）
+
+### 🔒 必须保留（Static）
+1. 核心身份信息（姓名、职业、组织）
+2. 长期偏好（沟通风格、关注重点）
+3. 负向反馈（用户不满意的地方）
+4. 注意事项（规避话题）
+
+### 🔄 可精简（Dynamic）
+5. 当前关注：只保留最近的 2-3 项
+6. 周期性任务：合并相似项
+7. 关键数据：只保留最重要的数字
+8. 任务时间线：删除已过期的事项
+
+### ❌ 可删除
+9. 已完成的待办事项
+10. 过期的时间线事项
+11. 重复或相似的条目
+12. 具体事件细节（Episodes）
+
+## 压缩技巧
+- 合并相似条目
+- 用概括替代列举（但保留关键数字）
+- 删除冗余描述
+- 保持章节结构完整
 
 ## 输出格式
 直接输出压缩后的完整 Markdown 格式用户画像。
@@ -249,105 +292,109 @@ IMAGE_SEARCH_PROMPT = """根据用户查询，从图片列表中找出匹配的
 # 舆情行业模板
 YUQING_PROFILE_TEMPLATE = ProfileTemplate(
     description="舆情行业用户画像",
-    sections="""## 基本信息
+    sections="""## 🔒 稳定信息（Static）
 - 姓名/称呼：
 - 职位/角色：
 - 所属机构：
 - 职责范围：
-
-## 偏好习惯
-- 报告风格：（详细/简洁、图表/文字等）
+- 报告风格偏好：（详细/简洁、图表/文字等）
 - 沟通方式：（直接/委婉、正式/随意等）
+
+## 🔄 动态信息（Dynamic）
+
+### 当前关注
 - 关注重点：（时效性/准确性/全面性等）
-- 图表偏好：
+- 进行中任务：
 
-## 周期性任务
-（固定日程和重复性工作，格式：[周期] 任务内容）
-- 例：[每周一] 提交周报、[每周五] 制定下周计划、[每月底] 月度汇总
+### 周期性任务
+（格式：[周期] 任务内容）
 
-## 关键数据
-（重要的数字、金额、数量，用加粗标记）
-- 例：处置 **97起** 案件、涉及金额 **230万元**
+### 关键数据
+（用 **加粗** 标记重要数字）
 
-## 任务时间线
-（报告截止日期、汇报计划、定期任务，格式：[YYYY-MM-DD] 事项）
+### 任务时间线
+（报告截止、汇报计划，格式：[YYYY-MM-DD] 事项）
 
-## 待办事项
-（用户提出但未完成的请求，格式：- [ ] 事项（MM-DD 提出））
+### 待办事项
+（格式：- [ ] 事项（MM-DD 提出））
 
-## 待澄清事项
-（用户前后矛盾或模糊的信息，需要下次确认）
+## ⚠️ 待澄清事项
 
-## 用户反馈
+## 📝 用户反馈
 - 正向反馈：
 - 负向反馈：
 
-## 注意事项
-（敏感话题、规避要点、历史问题等）"""
+## 🚫 注意事项
+（敏感话题、规避要点等）"""
 )
 
 
 # 电商客服模板
 ECOMMERCE_PROFILE_TEMPLATE = ProfileTemplate(
     description="电商客户画像",
-    sections="""## 基本信息
+    sections="""## 🔒 稳定信息（Static）
 - 称呼：
 - 会员等级：
 - 常用收货地址：
-
-## 购物偏好
 - 常购品类：
-- 价格敏感度：
 - 品牌偏好：
+- 沟通风格偏好：
+
+## 🔄 动态信息（Dynamic）
 
-## 服务记录
+### 当前关注
+- 近期购买意向：
+- 进行中订单：
+
+### 服务记录
 - 历史订单问题：
 - 退换货记录：
-- 投诉记录：
 
-## 待办事项
-（未处理的售后、待跟进的问题，格式：- [ ] 事项（MM-DD 提出））
+### 待办事项
+（未处理售后，格式：- [ ] 事项（MM-DD 提出））
 
-## 待澄清事项
-（用户前后矛盾的需求，如地址、商品规格不一致等）
+## ⚠️ 待澄清事项
+（地址、规格等矛盾信息）
 
-## 沟通偏好
-- 响应速度要求：
-- 沟通风格：
+## 📝 用户反馈
+- 正向反馈：
+- 负向反馈：
 
-## 注意事项
-（特殊需求、敏感话题等）"""
+## 🚫 注意事项"""
 )
 
 
 # 医疗助手模板
 MEDICAL_PROFILE_TEMPLATE = ProfileTemplate(
     description="患者健康档案摘要",
-    sections="""## 基本信息
+    sections="""## 🔒 稳定信息（Static）
 - 称呼：
 - 年龄段：
-- 主要健康关注：
-
-## 健康背景
 - 已知病史：
 - 过敏信息：
-- 用药情况：
+- 咨询偏好：（信息详细程度、关注重点）
 
-## 任务时间线
-（复诊日期、用药周期、检查计划，格式：[YYYY-MM-DD] 事项）
+## 🔄 动态信息（Dynamic）
+
+### 当前关注
+- 主要健康关注：
+- 当前用药：
 
-## 待办事项
-（待预约的检查、待确认的用药调整等）
+### 任务时间线
+（复诊、用药周期，格式：[YYYY-MM-DD] 事项）
 
-## 待澄清事项
-（症状描述前后不一致、用药信息矛盾等，需下次确认）
+### 待办事项
+（待预约检查、待确认用药等）
 
-## 咨询偏好
-- 信息详细程度：
-- 关注重点：
+## ⚠️ 待澄清事项
+（症状、用药信息矛盾）
+
+## 📝 用户反馈
+- 正向反馈：
+- 负向反馈：
 
-## 注意事项
-（沟通禁忌、敏感话题等）"""
+## 🚫 注意事项
+（沟通禁忌等）"""
 )
 
 

mem1/storage.py

@@ -397,3 +397,241 @@ class ESStorage(StorageBackend):
             sort=[{"timestamp": {"order": "asc"}}]
         )
         return [hit["_source"] for hit in response["hits"]["hits"]]
+
+
+class SQLiteStorage(StorageBackend):
+    """SQLite 存储后端（零依赖，适合单机/开发环境）"""
+    
+    def __init__(self, db_path: str):
+        """
+        Args:
+            db_path: 数据库文件路径
+        """
+        import sqlite3
+        import json
+        from pathlib import Path
+        
+        self.db_path = db_path
+        self.json = json
+        
+        # 确保目录存在
+        Path(db_path).parent.mkdir(parents=True, exist_ok=True)
+        
+        self.conn = sqlite3.connect(db_path, check_same_thread=False)
+        self.conn.row_factory = sqlite3.Row
+        self.ensure_schema()
+    
+    def ensure_schema(self) -> None:
+        """创建表结构"""
+        cursor = self.conn.cursor()
+        
+        # 对话记录表
+        cursor.execute("""
+            CREATE TABLE IF NOT EXISTS conversations (
+                id INTEGER PRIMARY KEY AUTOINCREMENT,
+                user_id TEXT NOT NULL,
+                topic_id TEXT NOT NULL,
+                timestamp TEXT NOT NULL,
+                messages TEXT NOT NULL,
+                metadata TEXT,
+                images TEXT,
+                created_at TEXT DEFAULT CURRENT_TIMESTAMP
+            )
+        """)
+        cursor.execute("CREATE INDEX IF NOT EXISTS idx_conv_user ON conversations(user_id)")
+        cursor.execute("CREATE INDEX IF NOT EXISTS idx_conv_topic ON conversations(user_id, topic_id)")
+        cursor.execute("CREATE INDEX IF NOT EXISTS idx_conv_time ON conversations(timestamp)")
+        
+        # 用户画像表
+        cursor.execute("""
+            CREATE TABLE IF NOT EXISTS profiles (
+                user_id TEXT PRIMARY KEY,
+                content TEXT NOT NULL,
+                updated_at TEXT NOT NULL
+            )
+        """)
+        
+        # 用户状态表
+        cursor.execute("""
+            CREATE TABLE IF NOT EXISTS user_states (
+                user_id TEXT PRIMARY KEY,
+                rounds INTEGER NOT NULL DEFAULT 0,
+                last_update TEXT
+            )
+        """)
+        
+        self.conn.commit()
+    
+    # ========== 对话记录 ==========
+    
+    def save_conversation(self, conversation: Dict[str, Any]) -> str:
+        cursor = self.conn.cursor()
+        cursor.execute("""
+            INSERT INTO conversations (user_id, topic_id, timestamp, messages, metadata, images)
+            VALUES (?, ?, ?, ?, ?, ?)
+        """, (
+            conversation["user_id"],
+            conversation["topic_id"],
+            conversation["timestamp"],
+            self.json.dumps(conversation.get("messages", []), ensure_ascii=False),
+            self.json.dumps(conversation.get("metadata", {}), ensure_ascii=False),
+            self.json.dumps(conversation.get("images", []), ensure_ascii=False) if conversation.get("images") else None
+        ))
+        self.conn.commit()
+        return str(cursor.lastrowid)
+    
+    def get_conversations(
+        self,
+        user_id: str,
+        topic_id: Optional[str] = None,
+        start_time: Optional[datetime] = None,
+        end_time: Optional[datetime] = None,
+        metadata_filter: Optional[Dict[str, Any]] = None,
+        limit: int = 1000
+    ) -> List[Dict[str, Any]]:
+        query = "SELECT * FROM conversations WHERE user_id = ?"
+        params = [user_id]
+        
+        if topic_id:
+            query += " AND topic_id = ?"
+            params.append(topic_id)
+        
+        if start_time:
+            query += " AND timestamp >= ?"
+            params.append(start_time.strftime('%Y-%m-%d %H:%M:%S'))
+        
+        if end_time:
+            query += " AND timestamp < ?"
+            params.append(end_time.strftime('%Y-%m-%d %H:%M:%S'))
+        
+        query += " ORDER BY timestamp ASC LIMIT ?"
+        params.append(limit)
+        
+        cursor = self.conn.cursor()
+        cursor.execute(query, params)
+        
+        results = []
+        for row in cursor.fetchall():
+            conv = {
+                "user_id": row["user_id"],
+                "topic_id": row["topic_id"],
+                "timestamp": row["timestamp"],
+                "messages": self.json.loads(row["messages"]),
+                "metadata": self.json.loads(row["metadata"]) if row["metadata"] else {}
+            }
+            if row["images"]:
+                conv["images"] = self.json.loads(row["images"])
+            
+            # metadata_filter 过滤
+            if metadata_filter:
+                match = all(conv.get("metadata", {}).get(k) == v for k, v in metadata_filter.items())
+                if not match:
+                    continue
+            
+            results.append(conv)
+        
+        return results
+    
+    def delete_conversations(self, user_id: str, topic_id: Optional[str] = None) -> int:
+        query = "DELETE FROM conversations WHERE user_id = ?"
+        params = [user_id]
+        
+        if topic_id:
+            query += " AND topic_id = ?"
+            params.append(topic_id)
+        
+        cursor = self.conn.cursor()
+        cursor.execute(query, params)
+        self.conn.commit()
+        return cursor.rowcount
+    
+    # ========== 用户画像 ==========
+    
+    def get_profile(self, user_id: str) -> Optional[Dict[str, Any]]:
+        cursor = self.conn.cursor()
+        cursor.execute("SELECT content, updated_at FROM profiles WHERE user_id = ?", (user_id,))
+        row = cursor.fetchone()
+        if row:
+            return {"content": row["content"], "updated_at": row["updated_at"]}
+        return None
+    
+    def save_profile(self, user_id: str, content: str) -> None:
+        cursor = self.conn.cursor()
+        cursor.execute("""
+            INSERT OR REPLACE INTO profiles (user_id, content, updated_at)
+            VALUES (?, ?, ?)
+        """, (user_id, content, datetime.now().strftime('%Y-%m-%d %H:%M:%S')))
+        self.conn.commit()
+    
+    def delete_profile(self, user_id: str) -> bool:
+        cursor = self.conn.cursor()
+        cursor.execute("DELETE FROM profiles WHERE user_id = ?", (user_id,))
+        self.conn.commit()
+        return cursor.rowcount > 0
+    
+    # ========== 用户状态 ==========
+    
+    def get_user_state(self, user_id: str) -> Optional[Dict[str, Any]]:
+        cursor = self.conn.cursor()
+        cursor.execute("SELECT rounds, last_update FROM user_states WHERE user_id = ?", (user_id,))
+        row = cursor.fetchone()
+        if row:
+            return {"user_id": user_id, "rounds": row["rounds"], "last_update": row["last_update"]}
+        return None
+    
+    def save_user_state(self, user_id: str, rounds: int, last_update: Optional[str] = None) -> None:
+        cursor = self.conn.cursor()
+        cursor.execute("""
+            INSERT OR REPLACE INTO user_states (user_id, rounds, last_update)
+            VALUES (?, ?, ?)
+        """, (user_id, rounds, last_update))
+        self.conn.commit()
+    
+    def delete_user_state(self, user_id: str) -> bool:
+        cursor = self.conn.cursor()
+        cursor.execute("DELETE FROM user_states WHERE user_id = ?", (user_id,))
+        self.conn.commit()
+        return cursor.rowcount > 0
+    
+    # ========== 聚合查询 ==========
+    
+    def get_user_list(self) -> List[str]:
+        cursor = self.conn.cursor()
+        cursor.execute("SELECT DISTINCT user_id FROM conversations")
+        return [row["user_id"] for row in cursor.fetchall()]
+    
+    def get_topic_list(self, user_id: str) -> List[Dict[str, Any]]:
+        cursor = self.conn.cursor()
+        cursor.execute("""
+            SELECT topic_id, COUNT(*) as count, MAX(timestamp) as latest
+            FROM conversations
+            WHERE user_id = ?
+            GROUP BY topic_id
+        """, (user_id,))
+        
+        return [{
+            "topic_id": row["topic_id"],
+            "conversation_count": row["count"],
+            "last_active": row["latest"]
+        } for row in cursor.fetchall()]
+    
+    def get_conversations_with_images(self, user_id: str) -> List[Dict[str, Any]]:
+        """获取用户所有带图片的对话"""
+        cursor = self.conn.cursor()
+        cursor.execute("""
+            SELECT * FROM conversations 
+            WHERE user_id = ? AND images IS NOT NULL AND images != '[]'
+            ORDER BY timestamp ASC
+        """, (user_id,))
+        
+        results = []
+        for row in cursor.fetchall():
+            results.append({
+                "user_id": row["user_id"],
+                "topic_id": row["topic_id"],
+                "timestamp": row["timestamp"],
+                "messages": self.json.loads(row["messages"]),
+                "metadata": self.json.loads(row["metadata"]) if row["metadata"] else {},
+                "images": self.json.loads(row["images"])
+            })
+        return results

{mem1-0.1.1.dist-info → mem1-0.1.2.dist-info}/METADATA

@@ -1,12 +1,12 @@
 Metadata-Version: 2.4
 Name: mem1
-Version: 0.1.1
-Summary: 基于云服务的用户记忆系统
+Version: 0.1.2
+Summary: AI 用户记忆系统：Static/Dynamic 画像分层 + 时间衰减遗忘 + SQLite/ES 可插拔存储 + 图片记忆 + 话题隔离。借鉴 supermemory 设计，不用向量数据库。
 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
+Keywords: langchain,llm,memory,supermemory,user-profile
 Classifier: Development Status :: 3 - Alpha
 Classifier: Intended Audience :: Developers
 Classifier: License :: OSI Approved :: MIT License
@@ -14,13 +14,18 @@ Classifier: Programming Language :: Python :: 3
 Classifier: Programming Language :: Python :: 3.12
 Classifier: Programming Language :: Python :: 3.13
 Requires-Python: >=3.12
-Requires-Dist: dashscope>=1.14.0
-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: all
+Requires-Dist: dashscope>=1.14.0; extra == 'all'
+Requires-Dist: elasticsearch>=8.0.0; extra == 'all'
 Provides-Extra: dev
 Requires-Dist: ipython>=8.0.0; extra == 'dev'
+Provides-Extra: elasticsearch
+Requires-Dist: elasticsearch>=8.0.0; extra == 'elasticsearch'
+Provides-Extra: vl
+Requires-Dist: dashscope>=1.14.0; extra == 'vl'
 Description-Content-Type: text/markdown
 
 # mem1 - 用户记忆系统

mem1-0.1.2.dist-info/RECORD

@@ -0,0 +1,12 @@
+mem1/__init__.py,sha256=Xr8VYSkb4fnvgHHqVyDnK9B5TX9CxAMtppiSn-_TG6s,582
+mem1/config.py,sha256=u21hC2VqjQUxi5OHrG-9Y324VvUptpcaAffbE9BeFJs,7349
+mem1/langchain_middleware.py,sha256=h2mG7K2Tq1N7IovXMvCyvOhsAwTWOR1NAqivF4db2AE,6648
+mem1/llm.py,sha256=MgqlefPrXpIf0FpGruDEjz8SbI7iKu-wxpiJCPCX6co,4439
+mem1/memory.py,sha256=YTAQqIeq5aUUjI4Ynn1-wLq9OLWe14v-sBaED65uK7M,25872
+mem1/memory_md.py,sha256=uu_TvdBoUpAncT1eissOSe1Y3vCy3iWMcuvCy3vCjEA,26258
+mem1/memory_tools.py,sha256=b1YBiRNet0gXnW-KGIZ2KQclluB9Q6dli_DbWLS571k,3646
+mem1/prompts.py,sha256=B-i8u8eRsoVzSsS8zm2rtCj01znQe3p7s5dD4s0P4Lk,11218
+mem1/storage.py,sha256=wf4mYKvJ42tIponBrKD2TNxC5emYoxCvQkBUG1V_Pys,21477
+mem1-0.1.2.dist-info/METADATA,sha256=i0LQ4ocDjvRxBynfbg-PHtRDHd0d7yNk7S7A2DkAfCM,10913
+mem1-0.1.2.dist-info/WHEEL,sha256=WLgqFyCfm_KASv4WHyYy0P3pM_m7J5L9k2skdKLirC8,87
+mem1-0.1.2.dist-info/RECORD,,

mem1-0.1.1.dist-info/RECORD

@@ -1,12 +0,0 @@
-mem1/__init__.py,sha256=Xr8VYSkb4fnvgHHqVyDnK9B5TX9CxAMtppiSn-_TG6s,582
-mem1/config.py,sha256=BqF3O4FQnhmnr7iCynK6g5BUxaqnZ0cVnggR4hNsDcQ,5665
-mem1/langchain_middleware.py,sha256=h2mG7K2Tq1N7IovXMvCyvOhsAwTWOR1NAqivF4db2AE,6648
-mem1/llm.py,sha256=MgqlefPrXpIf0FpGruDEjz8SbI7iKu-wxpiJCPCX6co,4439
-mem1/memory.py,sha256=NPsPzphb1tYMp8rK9pxr1rtipocVNIrDueihU-DOWPU,24515
-mem1/memory_md.py,sha256=uu_TvdBoUpAncT1eissOSe1Y3vCy3iWMcuvCy3vCjEA,26258
-mem1/memory_tools.py,sha256=b1YBiRNet0gXnW-KGIZ2KQclluB9Q6dli_DbWLS571k,3646
-mem1/prompts.py,sha256=5HUG-yvTD7iBUzzXwO-WnRomDLkz0UJWox3z3zcT0kI,10599
-mem1/storage.py,sha256=J2JUTjPEXe3dO21LVoj3sl8_78qKOECad2Ol5R9kvCU,12774
-mem1-0.1.1.dist-info/METADATA,sha256=chkdyE8MYG-3izQHSRbAO1gMMZDyALYszm4vFdZGMnc,10541
-mem1-0.1.1.dist-info/WHEEL,sha256=WLgqFyCfm_KASv4WHyYy0P3pM_m7J5L9k2skdKLirC8,87
-mem1-0.1.1.dist-info/RECORD,,