AstrBot/astrbot/core/memory/_README.md

Decay Score

记忆衰减分数定义为：

[ \text{decay_score} = \alpha \cdot e^{-\lambda \cdot \Delta t \cdot \beta}

• (1-\alpha)\cdot (1 - e^{-\gamma \cdot c}) ]

其中：

• (\Delta t)：自上次检索以来经过的时间（天），由 last_retrieval_at 计算；
• (c)：检索次数，对应字段 retrieval_count；
• (\alpha)：控制时间衰减和检索次数影响的权重；
• (\gamma)：控制检索次数影响的速率；
• (\lambda)：控制时间衰减的速率；
• (\beta)：时间衰减调节因子；

[ \beta = \frac{1}{1 + a \cdot c} ]

• (a)：控制检索次数对时间衰减影响的权重。

ADD MEMORY

• LLM 通过 astr_add_memory 工具调用，传入记忆内容和记忆类型。
• 生成 mem_id = uuid4()。
• 从上下文中获取 owner_id = unified_message_origin。

步骤：

1. 使用 VecDB 以新记忆内容为 query，检索前 20 条相似记忆。
2. 从中取相似度最高的前 5 条：
   • 若相似度超过“合并阈值”（如 sim >= merge_threshold）：
     • 将该条记忆视为同一记忆，使用 LLM 将旧内容与新内容合并；
     • 在同一个 mem_id 上更新 MemoryDB 和 VecDB（UPDATE，而非新建）。
   • 否则：
     • 作为全新的记忆插入：
       • 写入 VecDB（metadata 中包含 mem_id, owner_id）；
       • 写入 MemoryDB 的 memory_chunks 表，初始化：
         • created_at = now
         • last_retrieval_at = now
         • retrieval_count = 1 等。
3. 对 VecDB 返回的前 20 条记忆，如果相似度高于某个“赫布阈值”（hebb_threshold），则：
   • retrieval_count += 1
   • last_retrieval_at = now

这一步体现了赫布学习：与新记忆共同被激活的旧记忆会获得一次强化。

QUERY MEMORY (STATIC)

• LLM 通过 astr_query_memory 工具调用，无参数。

步骤：

1. 从 MemoryDB 的 memory_chunks 表中查询当前用户所有活跃记忆：
   • SELECT * FROM memory_chunks WHERE owner_id = ? AND is_active = 1
2. 对每条记忆，根据 last_retrieval_at 和 retrieval_count 计算对应的 decay_score。
3. 按 decay_score 从高到低排序，返回前 top_k 条记忆内容给 LLM。
4. 对返回的这 top_k 条记忆：
   • retrieval_count += 1
   • last_retrieval_at = now

QUERY MEMORY (DYNAMIC)（暂不实现）

• LLM 提供查询内容作为语义 query。
• 使用 VecDB 检索与该 query 最相似的前 N 条记忆（N > top_k）。
• 根据 mem_id 从 memory_chunks 中加载对应记录。
• 对这批候选记忆计算：
  • 语义相似度（来自 VecDB）
  • decay_score
  • 最终排序分数（例如 w1 * sim + w2 * decay_score）
• 按最终排序分数从高到低返回前 top_k 条记忆内容，并更新它们的 retrieval_count 和 last_retrieval_at。