Pyforge-memory – 为AI智能体提供有效的三级记忆存储

Pyforge-memory是由Forged Logic开发的开源Python库，专门解决AI智能体在长时间对话中的上下文窗口溢出问题。传统记忆工具会将所有对话原始记录直接塞入上下文，导致在约50次交互后，智能体的身份提示被静默截断，退化为通用助手行为。Pyforge-memory采用三级记忆架构，大幅压缩上下文占用，让每个字符都发挥最大价值。

三级记忆包括：逐字层（Verbatim）保留最近N次原始对话，约400字符，确保对话流畅；关键词层（Keyword）根据当前消息中的关键词搜索记忆条目，约300字符，提供相关召回；摘要层（Digest）压缩旧对话的滚动摘要，约300字符，维持连续性。总上下文从约3000字符降至约1000字符。

该库具备多项实用功能：毒化检测可识别并阻止通用AI脚本输出污染记忆；所有配置均可自定义，包括禁用词、停用词和记忆限制；采用JSONL文件存储，无需数据库或API密钥，可在任何环境运行；知识目录支持跨文本文件进行关键词搜索，为领域上下文提供支撑；框架无关，兼容Ollama、OpenAI、Claude等主流LLM API。

安装简单，只需执行pip install pyforge-memory。使用时，先导入MemoryEngine，设置memory_dir和knowledge_dir路径，定义LLM调用函数，然后调用engine.build_context传入用户消息、系统提示和查询函数，构建上下文后发送给LLM，最后保存对话。工作流程如下：用户消息到达后，提取关键词，获取逐字层（经过毒化过滤和近似重复检测），再搜索记忆和知识文件中的关键词匹配并排序，若记忆条目超过10则自动生成摘要，最终组装成系统提示+逐字层+关键词层+摘要层+用户消息的完整上下文。

毒化检测可通过设置forbidden_terms自定义，例如禁用“我是一个AI助手”等短语；使用engine.is_poisoned()检查文本。知识库只需将文本文件放入knowledge目录即可自动索引。作者强调，三级设计缺一不可：仅逐字层会丢失旧对话上下文，仅关键词层会丢失当前对话流畅性，仅摘要层过于压缩且丢失细节，三者结合提供时效性、相关性和压缩性。

Pyforge-memory采用MIT许可证，代码托管于GitHub。对于构建需要长时间记忆的AI智能体的开发者而言，这是一个实用且高效的解决方案。