AstrBot 轻量记忆插件。AI 有自己的小本子、日记和翻旧账能力，零外部依赖。
- 小本子：你确认的事实，每次对话自动注入，2 个工具管理增删改查 + 自动重编号 + 时间回溯备份
- 小本子智能同步：按会话+日期缓存注入内容，避免重复读文件
- 日记：AI 用自己人设写的一天，向量检索
- 原文：逐字落盘，grep 秒搜
- 按会话隔离：每个会话独立一套，互不串味
- 零外部向量依赖：chromadb 跑本地，不用额外服务
每次 LLM 响应（on_llm_response，含报错/中断回合）
└ 钩子捕获 → 原文按天落盘（user + assistant + 可选 thinking + checkpoint）
└ 压缩检测（on_llm_request）→ 新压缩摘要入检查点 states + summary.md
每天 digest_time
└ 结算 worker → 接力压缩(32k上限) + 补尾(当日 raw 尾部原文) → 人设 LLM → 日记
└ 跨天压缩: 当天 states >16k 时触发，新天从摘要续写
每请求（注入）
└ system prompt += 小本子正式条目（⟦pending⟧ 带标行未转正，不进 prompt） + 记忆指针 + 边界说明
按需（召回）
└ memory_search → 向量层(diary 语义, 时间预过滤) + grep 层(纯Python, 文件分组+行号+上下文)
小本子的写入直接落盘 MEMORY.md：新条目行尾带 ⟦pending⟧ 标，注入时过滤带标行——prompt 只含正式条目，会话中随便写，注入文本逐字节不变，KV 缓存不破坏。搜索与读取立即可见带标条目（标签自带"未落地"语义）。
转正时机（去标进 prompt）：
- /new 和 /reset：落地
- 启动 AstrBot：落地
- 压缩检测命中：落地（压缩后第一句本来就要消耗一次 KV 输入更新系统提示词）
例外：修改已转正（正式）条目时内容直接生效，下一轮 prompt 更新、失效一次 KV——模型上一轮看到的知识变了，该失效。
设计收益： 相比写入即改系统提示词，本策略会话中零 KV 破坏、写入立即可搜，且 num = 文件行号稳定不漂移。
WebUI：插件市场 → 手动安装，填仓库地址。
命令行（在 AstrBot 根目录执行）：
# Windows
.venv\Scripts\activate
pip install chromadb watchdog filelock
git clone https://github.com/bingchengcc/astrbot_plugin_lite_memory.git data/plugins/astrbot_plugin_lite_memory
# Linux
source .venv/bin/activate
pip install chromadb watchdog filelock
git clone https://github.com/bingchengcc/astrbot_plugin_lite_memory.git data/plugins/astrbot_plugin_lite_memory重启 AstrBot。
注意：安装/更新后需完整重启 AstrBot（API 重载可能导致事件钩子绑定到旧实例）。
可选：在 AstrBot WebUI 提供商管理中配置一个 Embedding 类型提供商启用向量检索；不配置也能用（纯 grep 搜索，向量层自动跳过）。
| 配置项 | 默认值 | 说明 |
|---|---|---|
digest_session_whitelist |
会话白名单（UMO 片段），留空=全部启用 | |
diary_provider_id |
写日记的 LLM 提供商 ID | |
diary_max_ctx |
32768 | 日记生成输入上限（token），超过时从旧→新接力压缩 |
diary_persona_id |
日记人设卡 ID | |
search_max_tokens |
500 | 搜索结果 token 上限，0=不限 |
use_embedding |
true | 启用向量检索 |
embedding_provider_id |
Embedding 提供商 ID | |
embed_max_ctx |
0（不限） | Embedding 模型上下文窗口，设置后切块自动钳制 |
notebook_name |
小本子 | 指令块中对小本子的称呼 |
notebook_memory_topics |
身份,关系,偏好 | 始终记入小本子的类别 |
notebook_index_topics |
配置,路径,项目 | 放入索引的类别（只展示摘要） |
digest_time |
23:30 | 天数边界 + 结算时刻 |
capture_think_chars |
0 | 最终轮思考截留长度，0=不记，>0=assistant 行后追加 thinking 行（截断到 N 字） |
embed_batch_size |
16 | Embedding 批大小（本地小模型建议 4） |
embed_concurrency |
3 | Embedding 并发数（本地小模型建议 1） |
chunk_size / chunk_overlap |
384 / 64 | 向量切块参数（token） |
raw_ttl_days |
0 | 原文保留天数，0=永久 |
grep_max_files |
20 | grep 搜索最大文件数 |
grep_max_results |
5 | grep 最大返回条数 |
vector_max_results |
2 | 向量检索最大返回条数 |
memory/
└── <会话ID冒号换下划线>/
├── MEMORY.md # 小本子
├── INDEX.md # 参考记忆索引
├── backups/
│ └── MEMORY_TIMESTAMP.md # 小本子历史版本（时间回溯）
├── memory/
│ ├── YYYY-MM-DD/
│ │ └── raw.md # 每日原文（grep，超32KB自动切 raw_2.md）
│ └── diary/
│ └── YYYY-MM-DD.md # 每日日记（向量检索）
└── chroma/ # 独立向量库
| 场景 | 工具 |
|---|---|
| 搜索记忆 | memory_search(query, source, time_range, date) |
| 读写小本子/INDEX | memory_edit(num, content, topic, name) |
digest_time 同时定义天数边界和结算触发时刻：
- 该时刻之前 → 归当日文件
- 该时刻之后 → 归次日文件
- 每日结算在该时刻自动执行
改 digest_time 后注入到 system prompt 的边界说明自动跟随。
⚠️ 修改digest_time不仅影响结算时间，也会改变消息的日历归属边界。 例如从 23:30 改为 06:00，则晚上 10 点的消息会从"当天文件"变为"次日文件"（因为 22:00 已过 06:00 边界）。
| 命令 | 说明 |
|---|---|
/mem status |
查看当前会话记忆状态 |
/mem test <关键词> |
测试检索 |
/mem rebuild |
重建向量索引 |
/mem digest |
手动触发结算 |
- 安装/更新后需完整重启 AstrBot（API 重载可能导致事件钩子绑定到旧实例）
- 首次启动会自动建空间、写 MEMORY.md 模板
- 原文零索引成本，纯 grep；向量库只嵌 diary 块（一天几块，量极小）
- 本地 Embedding 模型推荐小参数量（<1B），避免 KV cache 压力
- 手动修改磁盘上的 diary 文件会怎样？→ 向量库自动同步（增删改均触发重新 embed）
- 如果我模型上下文少，日记怎么办？→ 根据设定上下文大小做续尾式多轮写日记，即第一轮部分内容写成日记，后续轮数在原有日记基础上再加入更多内容再进行日记优化。已为最低 4k 上下文用户做适配。
- 小本子被改错了怎么恢复？→ 每次改动前自动备份到
backups/目录，文件名带时间戳，可手动对比恢复。 - 原文文件为什么会自动拆分成多个？→ 单文件超 32KB 自动开新文件（raw_2.md、raw_3.md...），防止单文件过大影响搜索性能。
感谢 meme_manager 的捕获流设计启发
MIT