yekeyu-666/ultron-memory

README excerpt

ultron-memory ultron-memory 是一个轻量、可本地部署的 Python 组件，用于构建 反馈驱动的行为记忆与 Skill 自进化 能力。 它把用户反馈沉淀为可复用的规则、护栏、事实和偏好，使用词法/语义混合检索注入后续 Agent 上下文，并为每次变更保留不可变版本与来源记录。 注意：本项目改变的是 Agent 的外部行为上下文，不会训练模型参数，也不会让模型发生参数级“自学习”。宿主仍负责主 Agent Loop、工具、权限和模型调用。 特性 - 反馈进化 ：从下一轮用户反馈中抽取至多一个候选，并由 Maintainer 决定 add 、 merge 或 discard 。 - 四类记忆 ： rule 、 guardrail 、 fact 、 preference 分开存储、检索和注入。 - 混合检索 ：SQLite FTS5/BM25-lite 词法检索 + 可选 embedding 语义检索，通过 RRF（Reciprocal Rank Fusion）融合排序。 - 版本与审计 ：每个语义变更生成 immutable version，记录 parent、provenance、决策和使用统计。 - 可回滚 ：明确负反馈或多个独立硬失败可触发回滚；冲突来源保留，不物理删除历史。 - 可评测 ：从 provenance 生成 replay 样本，支持程序规则和可选 LLM Judge，并对比演化前后版本。 - 隐私优先 ：默认只持久化有界、脱敏的 pending evidence；凭据不会主动写入存储。 - 无运行时依赖 ：使用 Python 标准库和 SQLite，支持 Python 3.10 及以上版本。 安装与快速验证 项目要求 Python 3.10 及以上版本（Python 3.9 不支持本项目使用的 dataclass slots）。推荐在项目目录创建独立虚拟环境；如果本机命令名不是 python3.11 ，请替换为任意可用的 Python 3.10+ 解释器： 如果本地 Python/SQLite 提供 FTS5，组件会使用 SQLite FTS5；否则自动退回内置的 BM25-lite 风格词法评分器。单实例约 1 万条记录以内不需要向量数据库。 最小集成 宿主只需要提供模型回调；embedding 回调是可选的。未配置 embedding 回调时，记忆会以 bm25 状态正常落库并通过 BM25/FTS 检索；只有已经配置的 embedding 回调调用失败时，新候选才会进入 awaiting embedding ，待服务恢复后重试。 在真实 Harness 中，应将 retrieval.prompt context 注入主模型的 system context，并把实际采用的版本传给 record outcome()…

Category