Skip to content

SESSION-STATE.md

Latest commit

 

History

History
119 lines (89 loc) · 2.53 KB

SESSION-STATE.md

File metadata and controls

119 lines (89 loc) · 2.53 KB

SESSION-STATE.md - Active Working Memory

Last Updated: 2026-03-14T09:20:00+08:00 Current Task: Naja 记忆/雷达/LLM 自调节闭环完善

项目状态

系统名称: 记忆系统 v1 (Memory System) 状态: ✅ MVP版本已完成 位置: /Users/spark/pycharmproject/deva/deva/naja/memory/core.py

最新决策（2026-03-14）

  • ✅ 记忆引擎启用自动加载/定时持久化（MemoryEngine）
  • ✅ 雷达事件增加保留天数与后台清理线程
  • ✅ LLM 自调节新增定时任务（可配置、自动启动）

已实现功能

1. 核心策略 (memory/core.py)

  • ✅ 统一事件结构 (MemoryEvent)
  • ✅ 注意力评分系统 (5维度评分)
  • ✅ 主题聚类 (在线聚类 + 最近邻)
  • ✅ 漂移检测 (River ADWIN)
  • ✅ 短期记忆 (1000事件)
  • ✅ 主题库管理 (最多50个主题)
  • ✅ 信号生成 (6种信号类型)
  • ✅ 思想报告生成

2. Web UI (memory/ui.py)

  • ✅ 独立Tab页面
  • ✅ 实时状态面板
  • ✅ 主题云图
  • ✅ 注意力时间线
  • ✅ 信号流显示
  • ✅ 思想报告展示
  • ✅ 控制按钮 (刷新/报告/清空/测试)

3. Naja集成

  • ✅ 策略插件化 (符合naja策略接口)
  • ✅ Web路由配置 (/memory)
  • ✅ 导航菜单集成
  • ✅ 模块初始化文件

系统架构

数据源 (tick/news/text)
    ↓
MemoryEvent (统一事件)
    ↓
注意力评分 (5维度)
    ↓
主题聚类 (River/最近邻)
    ↓
信号生成 → naja信号流
    ↓
Web UI展示

信号类型

  1. TOPIC_EMERGE - 新主题出现 🟢
  2. TOPIC_GROW - 主题快速增长 🔵
  3. TOPIC_FADE - 主题消退 ⚪
  4. HIGH_ATTENTION - 高注意力事件 🔴
  5. TREND_SHIFT - 趋势转变 🟣
  6. DRIFT_DETECTED - 检测到漂移 🟡

待完善功能

  • 集成真实数据源 (tick/新闻)
  • 接入naja信号流系统
  • 添加周期性自我总结任务
  • 使用sentence-transformers替代简化embedding
  • 思想对话模块 (大模型集成)

使用方式

  1. 启动naja: python -m deva.naja
  2. 访问: http://localhost:8080/memory
  3. 绑定数据源到策略
  4. 查看实时思想雷达

核心代码

# 策略使用示例
from deva.naja.memory import MemoryStrategy

radar = MemoryStrategy(config={
    "short_term_size": 1000,
    "topic_threshold": 0.7,
    "attention_threshold": 0.7,
})

# 处理记录
signals = radar.process_record(record)

# 获取报告
report = radar.get_memory_report()
thought_report = radar.generate_thought_report()