"Memory is the process of retaining information over time." "Memory is the means by which we draw on our past experiences in order to use this information in the present." — (Paraphrased concepts based on memory research, attributing specific short quotes can be tricky)
让 AI 真正记住与你的每一次对话，构建持久的个性化体验。
遇到问题或想交流使用心得？加入我们的讨论群：
在这里，你可以直接与开发者和其他用户交流，获取更及时的帮助。
我们持续改进，以下是本插件的近期更新亮点和重要里程碑：
这是一个重大版本更新，包含大量性能优化、稳定性增强和新功能！
- 🔥 数据库连接池优化: MessageCounter 响应时间减少 50-100ms (约 60% 提升)
- 🚀 Embedding API 异步化: 消除 200-1000ms 的事件循环阻塞，吞吐量提升约 300%
- 🛡️ 后台任务异常恢复: 实现指数退避重试，任务稳定性显著提升
- 🔧 资源管理完善: 完整的初始化回滚和清理机制
- 📊 系统监控: 实时健康状态、性能指标、资源使用追踪
- 🧠 记忆管理: 智能搜索、批量操作、数据导出
- 📈 统计分析: 可视化图表展示记忆增长趋势
- 📋 日志查看: 实时日志流、智能过滤、自动刷新
- ⚙️ 配置管理: 可视化配置编辑、实时验证
- ✅ 85+ 测试用例: 覆盖核心功能和边界条件
- 📊 代码覆盖率: 达到 35-40%
- 🔬 集成测试: 验证初始化流程和异常恢复
- 📄 测试报告、项目总结、架构分析、API 文档等
详细变更请查看: 📋 完整变更日志
- 🔗 生态兼容: 增加了对 astrbot_plugin_embedding_adapter 插件的兼容支持，现在可以与该插件联动，获取更优质的 embedding 效果。特别感谢 @TheAnyan 的贡献！
- ⚡️ 优化与修复: 进行了多项内部优化，并修复了若干已知问题，提升了整体稳定性和用户体验。
- ⚖️ 协议更新: 插件的开源协议已进行变更，请查阅项目根目录下的
LICENSE文件以获取详情。
- 🐛 Bug 修复: 修复了在某些特定环境（如 pymilvus 2.5.4）下，处理 Milvus 搜索结果可能引发的
TypeError: 'SequenceIterator' object is not iterable问题。特别感谢 @HikariFroya 发现并贡献了解决方案！ - ✨ 指令优化: 简化了
/memory list_records指令的使用，使其更专注于查询最新的记忆记录。- 命令格式变更为：
/memory list_records [collection_name] [limit]，移除了offset参数。 - 现在，您只需指定需要查看的记录数量 (
limit)，系统将自动获取符合条件的所有记录（在安全上限内），并从中选取最新的几条按时间倒序显示，无需再手动计算偏移量，大大提升了便捷性。
- 命令格式变更为：
- ✨ 模型支持: 嵌入模型现在增加了对 Google Gemini 嵌入模型的支持。感谢 @Yxiguan 提供的关键代码！
- ✨ 核心新功能: 基于时间的自动总结:
- 插件内部集成计时器，当用户和BOT之间的消息长时间未被总结时（即使没有新的互动），系统将自动触发对先前历史消息的总结，有效减少手动总结的频率和遗漏。
- ⚙️ 新增配置项: 引入了用于自定义计时器间隔时间 (
auto_summary_interval) 和总结阈值时间 (auto_summary_threshold) 的配置项，用户可根据需求灵活调整自动总结行为。 - 🛠️ 架构优化: 重构了上下文管理器，优化了会话历史的存储和获取逻辑，显著提升了效率和稳定性。
- 🏗️ 后台任务: 在主程序中完善了后台自动总结检查任务的启动与停止逻辑，确保该功能稳定可靠运行。
📜 历史版本回顾 (v0.3.14 及更早)
- 🐛 关键修复: 解决了 v0.3.13 版本中导致数据插入失败的重大问题。强烈建议所有用户更新至此版本以确保插件正常运行！
- ✨ 新功能: 新增
Milvus Lite支持！现在可以在本地运行轻量级向量数据库，无需复杂部署完整的 Milvus 服务，极大简化了入门门槛和本地开发体验。（特别感谢提出此建议的社区群友！） ⚠️ 重要提示:Milvus Lite目前仅支持Ubuntu >= 20.04和MacOS >= 11.0操作系统环境。
- ✅ 核心修复: 包含了多个关键 Bug 修复、紧急问题处理和指令逻辑修正，提升了插件的稳定性和健壮性。
- 🔧 性能与逻辑优化: 对会话历史检查、异步IO处理等核心模块进行了优化，有效提升了运行效率和响应速度。
- ⚙️ 配置与功能完善: 更新了配置架构以支持更多自定义选项，并恢复或优化了部分早期版本的功能设定，以满足更多使用场景的需求。
此范围内包含了多次迭代的更新内容，上述为主要类别总结。如需查看更详细的历史更新日志，请查阅项目的 Release Notes 或 Git Commit 历史记录。
想要立刻体验 Mnemosyne 的强大记忆力？请查阅我们的快速入门指南：
➡️ 如何正确且快速地食用本插件 (Wiki) ⬅️
Mnemosyne 现已配备全功能 Web 管理面板，让您可以轻松监控和管理插件！
- 实时健康状态: 监控 Milvus、Embedding API、消息计数器等核心组件
- 性能指标: 查看 P50/P95/P99 延迟、API 成功率等关键指标
- 资源使用: 追踪内存占用、数据库大小、活跃会话数
- 后台任务: 监控自动总结任务的运行状态
- 智能搜索: 按关键词、会话、日期范围搜索记忆
- 浏览与分页: 便捷浏览所有记忆记录
- 批量操作: 支持单条或批量删除记忆
- 数据导出: 导出记忆为 JSON 或 CSV 格式
- 统计分析: 查看记忆增长趋势和会话活跃度
- 会话列表: 查看所有会话及其记忆数量
- 快速跳转: 一键查看特定会话的所有记忆
- 会话清理: 删除整个会话及其关联记忆
- 可视化图表: 使用 Chart.js 展示记忆增长趋势
- 数据统计: 总记忆数、活跃会话数、日增量等
- 会话分布: 了解各会话的记忆分布情况
- 实时日志: 查看最新的系统日志
- 智能过滤: 按日志级别（DEBUG/INFO/WARNING/ERROR）和关键词过滤
- 自动刷新: 支持自动刷新模式，实时追踪系统状态
- 日志导出: 导出指定范围的日志文件
- 可视化配置: 通过友好的界面查看和编辑所有配置项
- 配置分类: 按功能分类展示配置（Milvus、Embedding、性能等）
- 实时验证: 保存前验证配置的有效性
- 配置导出: 备份当前配置为 JSON 文件
- 启动插件: 确保 Mnemosyne 插件已正确安装并运行
- 访问面板: 在浏览器中访问管理面板地址（待集成后由主程序提供）
- 开始管理: 使用侧边栏导航在各功能模块间切换
更多关于管理面板的详细信息，请查阅：
- 仅在本地或内网环境中使用
- 考虑添加身份验证（计划中的功能）
- 不要在公共网络上直接暴露管理端口
❗️ 请注意：本插件目前仍处于活跃开发和测试阶段。
- 由于插件仍在快速迭代中，新功能的加入、代码重构或与 AstrBot 主程序的兼容性调整，可能在某些情况下引发系统不稳定或数据处理异常。
- 当前版本尚未包含完善的自动化数据迁移方案。这意味着在进行大版本更新时，存在丢失历史记忆数据的风险。
- ✅ 强烈建议： 在更新插件版本前，务必备份重要数据，包括但不限于：
- 插件配置文件
- Milvus 数据（如果是独立部署的 Milvus，请参考其备份文档；如果是 Milvus Lite，请备份
AstrBot/data/mnemosyne_data目录）
- 🧪 推荐操作： 如果条件允许，建议先在非生产环境（例如测试用的 AstrBot 实例）中测试新版本，确认无误后再更新到您的主环境。
🛡️ 数据安全箴言: "请像保护重要关系一样重视您的数据安全——毕竟，谁都不希望自己的数字伴侣突然'失忆'。"
如果您不使用 v0.3.13+ 版本新增的 Milvus Lite 模式，或者需要更强大的独立向量数据库，可以选择安装 Milvus：
- 🐧 Linux (Docker): Milvus 独立版 Docker 安装指南
- 💻 Windows (Docker): Milvus 独立版 Windows Docker 安装指南
提示: 对于大多数个人用户和快速体验场景，
Milvus Lite(v0.3.13+) 是更便捷的选择，无需额外安装。
本项目包含完整的测试框架，涵盖单元测试和集成测试。
pip install -r requirements-test.txt# 运行所有测试
pytest
# 运行测试并显示详细输出
pytest -v
# 运行特定测试模块
pytest tests/test_message_counter.py
pytest tests/test_embedding.py# 生成覆盖率报告
pytest --cov=. --cov-report=html --cov-report=term
# 查看 HTML 覆盖率报告
# 报告位于: htmlcov/index.html# 仅运行单元测试
pytest -m unit
# 仅运行集成测试
pytest -m integration
# 跳过慢速测试
pytest -m "not slow"单元测试 (65+ 测试用例):
- ✅
MessageCounter- 数据库连接池、持久连接验证 (21 测试) - ✅
EmbeddingAPI- 异步 API、错误处理 (20 测试) - ✅
ContextManager- 上下文管理、会话处理 (18 测试) - ✅
MemoryOperations- 记忆操作、异常恢复 (26 测试)
集成测试 (20+ 测试用例):
- ✅
Initialization- 初始化流程、资源清理、回滚机制
代码覆盖率: 35-40%
详细的测试报告请查看: 📊 测试报告
测试套件专门验证了 Phase 1 的所有关键优化：
| 优化项 | 测试验证 | 状态 |
|---|---|---|
| P0: 数据库连接池 | 持久连接测试、性能基准测试 | ✅ 通过 |
| P0: Embedding 异步化 | 异步调用测试、并发测试 | ✅ 通过 |
| S0: 异常恢复机制 | 异常场景测试、重试逻辑测试 | ✅ 通过 |
| S0: 资源管理 | 清理测试、上下文管理器测试 | ✅ 通过 |
| S0: 初始化回滚 | 部分初始化测试、回滚测试 | ✅ 通过 |
| B0: Bug 修复 | 边界条件测试、空值处理测试 | ✅ 通过 |
1. 本插件 (Mnemosyne v0.3+ 系列) 🚀
- Mnemosyne 插件自
v0.3系列起，集成了由开发者 Rail1bc 贡献的关键优化代码。 - 核心优势: 此优化专门针对 DeepSeek 官方 API 的缓存机制。通过智能调整发送给 API 的历史对话内容，能够显著提高缓存命中率。这意味着您可以更频繁地复用之前的计算结果，有效降低 Token 消耗量 💰，为您节省 API 调用成本。
2. 堆肥桶 (Composting Bucket) 插件 ♻️
- 除了对 Mnemosyne 的贡献，开发者 Rail1bc 还独立开发了一款名为 “堆肥桶” (Composting Bucket) 的 AstrBot 插件。
- 主要功能: 该插件专注于提升 DeepSeek API 的缓存利用效率。即使您不使用 Mnemosyne 的记忆功能，也可以将“堆肥桶”作为一个独立的增强工具，进一步优化缓存表现，减少不必要的 Token 开销。（“堆肥桶”对用户体验的影响较小，主要在后台优化）
- 项目地址: 感兴趣的用户可以访问了解详情： 🔗 astrbot_plugin_composting_bucket on GitHub
✨ 如果您是 DeepSeek API 用户，强烈推荐关注并尝试由 Rail1bc 带来的这些优秀工具，让您的 AI 体验更经济、更高效！
- 感谢 AstrBot 核心开发团队 提供的强大平台和技术支持。
- 感谢 Rail1bc 对 DeepSeek API 优化提供的关键代码贡献。
- 感谢所有在 QQ 群和 GitHub Issues 中提出宝贵意见和反馈的用户。
如果本项目给您带来了帮助或乐趣，请不吝点亮 Star ⭐ ！您的支持是我持续开发和改进的最大动力！
发现 Bug？有好点子？请随时通过 GitHub Issues 告诉我们。每一条反馈我们都会认真对待。
感谢所有为 Mnemosyne 项目做出贡献的朋友们！
每一个 Star 都是我们前进的灯塔！感谢您的关注！