Files
ai-companion/app/memory/__init__.py
T
ylhan 35e107c290 助手本体:会话引擎、LLM 路由、记忆、身份、语音适配
从 Obsidian 笔记库剥离为独立仓库。规划文档与 P0 报告留在笔记库,
代码(助手本体、TTS 服务、P0 基准脚本、ESP32 固件)在此。

架构:服务器是助手,本地是客户端
- 助手本体跑在 cadadmin-server,N5095 只做 USB 外设桥与网络桥接
- 起因:实测 N5095 无 AVX2,跑不动可用的语音模型

当前技术栈
- LLM:DeepSeek deepseek-flash(云端,必须关思考)
- TTS:Qwen3-TTS 1.7B(服务器 3090,独立 HTTP 服务)
- STT:Zipformer 中英双语 int8(CPU,中文识别率未测)

实测:端到端 16/16 通过,首音延迟 1545ms
(对比:本地 LLM + vits-zh-ll 是 179ms,但音色不满意——音质与延迟
在此硬件上此消彼长)

设计要点
- MemoryStore 接口按"可能远程"设计(全 async、可超时、可失败)
- user_id / session_id / track_id 三者分开,人脸只作候选不自动切身份
- 记忆查询强制带 owner_user_id,无按 id 单独取的口子
- 自动抽取的记忆是"候选",默认不参与检索
- 异步写记忆绑定创建时的身份,不读"当前用户"
- 引擎与传输解耦,只用文件音频即可端到端测试

模型与音频产物不进版本管理(1.1GB),由 download_models.sh 恢复
2026-09-15 11:05:09 +08:00

17 lines
551 B
Python

"""记忆层。
对外只暴露 `MemoryStore` 接口和 `SQLiteMemoryStore` 实现。
调用方依赖接口,不依赖 SQLite——将来多设备共享记忆时要搬到服务器,
只换实现,调用方一行不改(前提是调用方按 async + 可能失败 来写)。
"""
from .base import (
ConfirmStatus, Memory, MemoryKind, MemoryStore, Scope, Turn,
)
from .sqlite_store import SCHEMA, SQLiteMemoryStore
__all__ = [
"MemoryStore", "SQLiteMemoryStore", "Memory", "Turn",
"Scope", "ConfirmStatus", "MemoryKind", "SCHEMA",
]