Pyforge-memory – 為AI智慧體提供有效的三級記憶儲存

Pyforge-memory是由Forged Logic開發的開源Python庫，專門解決AI智慧體在長時間對話中的上下文視窗溢位問題。傳統記憶工具會將所有對話原始記錄直接塞入上下文，導致在約50次互動後，智慧體的身份提示被靜默截斷，退化為通用助手行為。Pyforge-memory採用三級記憶架構，大幅壓縮上下文佔用，讓每個字元都發揮最大價值。

三級記憶包括：逐字層（Verbatim）保留最近N次原始對話，約400字元，確保對話流暢；關鍵詞層（Keyword）根據當前訊息中的關鍵詞搜尋記憶條目，約300字元，提供相關召回；摘要層（Digest）壓縮舊對話的滾動摘要，約300字元，維持連續性。總上下文從約3000字元降至約1000字元。

該庫具備多項實用功能：毒化檢測可識別並阻止通用AI指令碼輸出汙染記憶；所有配置均可自定義，包括停用詞、停用詞和記憶限制；採用JSONL檔案儲存，無需資料庫或API金鑰，可在任何環境執行；知識目錄支援跨文本檔案進行關鍵詞搜尋，為領域上下文提供支撐；框架無關，相容Ollama、OpenAI、Claude等主流LLM API。

安裝簡單，只需執行pip install pyforge-memory。使用時，先匯入MemoryEngine，設定memory_dir和knowledge_dir路徑，定義LLM呼叫函式，然後呼叫engine.build_context傳入使用者訊息、系統提示和查詢函式，構建上下文後傳送給LLM，最後儲存對話。工作流程如下：使用者訊息到達後，提取關鍵詞，獲取逐字層（經過毒化過濾和近似重複檢測），再搜尋記憶和知識檔案中的關鍵詞匹配並排序，若記憶條目超過10則自動生成摘要，最終組裝成系統提示+逐字層+關鍵詞層+摘要層+使用者訊息的完整上下文。

毒化檢測可透過設定forbidden_terms自定義，例如停用“我是一個AI助手”等短語；使用engine.is_poisoned()檢查文本。知識庫只需將文本檔案放入knowledge目錄即可自動索引。作者強調，三級設計缺一不可：僅逐字層會丟失舊對話上下文，僅關鍵詞層會丟失當前對話流暢性，僅摘要層過於壓縮且丟失細節，三者結合提供時效性、相關性和壓縮性。

Pyforge-memory採用MIT許可證，程式碼託管於GitHub。對於構建需要長時間記憶的AI智慧體的開發者而言，這是一個實用且高效的解決方案。