开源/情感引擎Rain13Sad/bcf-mnemovaultMnemoVault v0.5.2 是专为 DeepSeek Harness 设计的长期记忆与情感插件包族。它采用定长的“记忆细胞”结构进行存储，通过精细的打分机制和状态机，实现了高空间效率、可复现的记忆管理与情感处理。记忆引擎核心架构该引擎将对话内容编码为定长的“记忆细胞”，每个细胞由 2048 位稀疏码、int8 向量、有类型超边及压缩残差组成。在向上下文注入记忆时，系统不会回放原文，而是将其渲染为一行结构化文本，稳态下仅消耗约 107 token/轮，相比整段摘要大幅节省了 token 开销。在运行架构上，它由 10 个 TypeScript 包、59 个源文件和约 18700 行代码构成。运行期不依赖任何第三方包，仅使用 Node 内置的 node:sqlite 和 node:zlib，确保了轻量且稳定的运行环境。单条记忆压缩存储为了提升存储效率，引擎采用了 MC03 格式，将单条记忆的物理大小从 844 B 压缩至 342 B，具体包含 112 B 定长头、稀疏差分变长整数编码的 SDR、128 维 int8 向量以及 CRC32 校验。这一高压缩比主要通过四项针对性的判断策略实现：- 时间戳从 i64 降为 u48，在保持毫秒精度的同时足以支撑约 8900 年的时间记录。- 针对 2048 位中仅有 8 个 1 的稀疏特性，将定长位图改为有序下标结合差分编码，实现无损压缩且不随维度膨胀。- 将 256 维向量折叠为 128 维，在大幅减少空间的同时维持了 0.941 的 Recall指标。- 冷层 4 bit 量化前先进行归一化处理，避免哈希向量在取整后变成零向量。多因子打分与遗忘机制系统对每条记忆进行七因子打分，综合考量激活度、重要度、情绪强度、关联度、叙事角色、用户锚定以及间隔效应。它将 ACT-R 的频率与近因统一公式叠加一层陈旧包络，形成 30 天内不折损、730 天降至地板的衰减曲线。分数最终映射到五层存储结构（热/温/冷/归档/墓碑）中。在处理记忆时遵循严格的规则：闸门只封顶层且不抬分数；墓碑状态仅释放字节，保留行、摘要、槽位和边，物理删除需显式审批。此外，系统还具备再巩固机制，每次提取会使记忆重新可塑，反复提取且无误的记忆会逐渐硬化。情感状态机与处理规则情感在系统中被视为可计算的参数而非自由文本。评价、心境、关系到人格锚的转换均存储为普通记忆，OCC 分类采用 22 类判据互斥的纯函数子集，以避免大模型的随机性污染情感逻辑。情绪事件由一个五态状态机进行管理，并执行两条核心硬规则：未获回应的情绪不衰减，在 open 状态下强度只增不减；当本轮效价低于 -0.3 时强制回应并禁止发散。同时，情感记忆不会被时间轻易抹平，联想遵循 Hebbian 规则，且系统会主动判断何时不该说话以避免冗余交互。双时态记录与版本链为了准确追踪信息的演变，每条记忆都附带两个时间戳：事实成立的时间和系统记录的时间。这一设计使得系统能够精准回答诸如“上周我们当时认为用什么”这类回溯性问题。当用户改变主意或出现新的冲突信息时，系统不会简单地覆盖旧值，而是通过创建 CONTRADICTS 和 SUPERSEDES 两条边来形成完整的版本链，确保历史观点的演变轨迹不丢失。大规模性能优化与实测在 v0.5.2 版本中，针对大规模数据下的性能瓶颈进行了八项关键改造。通过引入内存向量矩阵、SDR 倒排去重、扩展冲突索引以及整段单事务落盘等手段，大幅降低了解码和计算开销。实测数据显示，在 1 万条语料规模下，开启索引后召回速度提升 11 倍，摄入速度提升 21 倍，召回 p50 仅为 20ms。更重要的是，随着数据量从 222 条增长至 822 条，召回 p50 始终稳定在 4ms，不再随规模线性增长。此外，该版本还修复了九条源码级缺陷，包括避免“问为什么”改变记忆访问时间的逻辑错误。快速安装与使用指南开发者可以通过切片方式进行安装，若仅需核心记忆功能而不需要情感模块，只需安装 4 个核心包。系统提供了 createHarness 方法，允许开发者使用桩会话在不依赖真实宿主的情况下运行和调试插件。内置的面板包含七个页签，其中“保留度”页签尤为实用。它提供了逐条记忆的七因子柱状分解及命中闸门的可视化展示，让“重要的事不会被冲掉”这一特性变得可核对、可审计。项目定位与设计哲学相较于其他将“记什么”交给大模型的方案，MnemoVault 的核心创新在于把“记成什么形状”交给了算法。它借鉴了 Zep 的双时态和 MemGPT 的分层思想，但用稀疏码晶胞代替了传统的图节点，并将巩固过程设计为类似睡眠的双相机制。这种设计哲学带来了高度的可复现性和可预算性。项目不仅追求可测量的数字指标，还将局限性和失败模式明确写入文档，并通过扫描式测试防范“安静的错误”。目前，所有 10 个包已通过 GitHub 开源并发布到 npm，采用 MIT 许可协议。想知道怎么用它给 DeepSeek 搭一个本地长期记忆库吗？我可以帮你找找具体的配置教程。