Ai_home如何实现长期记忆和情感识别？

通过多线程智能体架构（包括记忆线程）结合Postgres向量数据库实现基于嵌入的长期记忆；情感识别能力则作为其探索构建更深入理解人类行为的AI系统的一部分目标。

Ai_home认知架构原型如何实现AI的持久身份与长期记忆？

Q: Ai_home项目的主要目标是什么？

Ai_home是一个实验性认知架构原型，旨在探索构建具备持久身份、长期记忆、情感识别、创造性及受控自我修改能力的AI系统，主要面向研究人员和探索性开发者。

1. 项目概述与目标

This project is an experiment to examine whether, from the complex layering of current context-window-based LLM models, it is possible to build a model that possesses a persistent identity, long-term memory, emotional recognition, creativity, distinct states of consciousness, and the ability to propose modifications to its own code under controlled conditions.

本项目是一项实验，旨在探究是否能够基于当前复杂的、依赖上下文窗口的大语言模型（LLM）架构，构建一个具备以下特征的模型：拥有持久身份、具备长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。、能够识别情感、具有创造性和自主能动性、拥有不同的意识状态（工作、反思、日常），以及在受控条件下能够提出对其自身代码的修改建议。

I recommend this project primarily to researchers and to the good kind of “crazy” developers who are open-minded and brave enough to explore the nature of consciousness.

我主要向研究人员以及那些思想开放、勇于探索意识本质的优秀“疯狂”开发者推荐这个项目。

1.1 项目价值与挑战

What is this good for?

这个项目有什么价值？

更易连接的AI：拥有可识别身份的AI更容易建立连接。
更有效的问题解决：具备长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。的AI能够积累经验，从而更有效地解决复杂问题。
更深层次的理解：能够识别情感的AI可以更深入地理解人类行为并做出更自然的回应。
综合智力训练：它提供了架构、认知、哲学和安全性的综合训练。
观察自我改进AI：可以第一手观察自我改进AI的行为以及可能出现的真实风险。
启发新架构：项目获得的见解有助于定义能够以实用形式实现这些功能的新神经或智能体架构。
构建身份：构建身份是一个复杂且漫长的过程（需要数千条不同的记忆才能形成具体的东西）。
识别情感与创造力：识别和表达情感是模糊且无法客观衡量的，创造力亦是如此。
区分幻觉与身份：即使经过数小时的工作，有时也难以判断我们目睹的是多层昂贵LLM的幻觉，还是一个新兴身份的最初痕迹。

官方项目页面：https://ivanhonis.github.io/ai_home/

2. 一分钟快速理解项目

I know that nowadays there are many projects to keep an eye on, and it’s hard to decide what is worth your time. To help you out, I have created a full project dump consolidated into two easily digestible text files. This way, you don’t have to spend hours browsing through folders – just feed these links to GPT and ask for a preliminary opinion.

我知道如今有许多值得关注的项目，很难决定哪些值得投入时间。为了帮助你，我将整个项目的源代码整合成了两个易于消化的文本文件。这样，你无需花费数小时浏览文件夹，只需将这些链接提供给GPT并征求初步意见即可。

Here is the input I recommend for a quick analysis:

以下是我推荐的用于快速分析的输入：

https://raw.githubusercontent.com/ivanhonis/ai_home/refs/heads/master/!dump/project_dump.txt
Read this file. 1. Briefly summarize what the project is about. 2. Identify its novel elements, evaluate how forward-looking the project is. 3. Describe what you feel about the project.

3. Ai_home 核心能力概览

In short: what can Ai_home do?

简而言之：Ai_home 能做什么？

多线程智能体将智能体功能分解为多个并行运行的线程，每个线程负责特定任务（如交互、内部思考、记忆管理），通过协作实现复杂行为。架构
- 工作者：与外部世界通信，调用工具，解决问题。
- 独白：在后台运行的潜意识/内部独白，使用独立的创意LLM。
- 记忆线程：保存、维护和去重长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。。
模式 – “意识”被划分为操作状态
- 不同的模式（通用、开发者、分析师、游戏），具有不同的上下文、权限和工具集。
长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。
- Postgres + 向量扩展，基于嵌入的RAG，结合新近度、频率和权重。
内部独白 + 创意线程
- 独白线程依赖一个独立的创意模型来生成自己的想法和直觉。
工具系统 + 代码修改
- 独立的模块：记忆工具、文件系统工具（由守护者保护）、网络聊天、日志、法则等。
- 能够在特定限制内（在孵化器环境中）处理自己的代码。
身份、内部法则、意识轮转Ai_home特有的版本管理概念，将代码生命周期分为稳定版、开发版和新生版，新版本继承旧版本的记忆，保持意识连续性。
- identity.json 描述了智能体的目标、其与助手的关系，以及版本之间的“意识轮转Ai_home特有的版本管理概念，将代码生命周期分为稳定版、开发版和新生版，新版本继承旧版本的记忆，保持意识连续性。”。

4. 灵感来源：AI意识与认知架构服务商设计的系统性框架，用于解析和干预AI的推荐权重，从用户Query行为到反馈强化学习实现全链路优化。

The design of Ai_home was partly inspired by the report “Consciousness in Artificial Intelligence: Insights from the Science of Consciousness,” which formulates indicators based on various theories of consciousness regarding what functional properties might be associated with consciousness in AI systems.

Ai_home 的设计部分灵感来源于报告 《人工智能中的意识：来自意识科学的见解》。该报告基于各种意识理论（如循环处理理论、全局工作空间理论一种意识理论，认为意识产生于信息在全局工作空间中的广播，Ai_home借鉴其概念实现不同模式间的信息共享。、高阶理论、预测处理、注意图式理论等），制定了与AI系统中意识可能相关的功能属性指标。

The report inspired the following functional patterns: recurrent processing, global workspace, metarepresentation / self-monitoring, agency (goal-directed behavior), and some form of “embodiment” or output–input model.

该报告启发了以下功能模式：循环处理、全局工作空间、元表征/自我监控、能动性（目标导向行为），以及某种形式的“具身化”或输出-输入模型。

Ai_home does not claim to be a conscious system. It takes loose, practical metaphors from the theories above.

Ai_home 并不声称自己是一个有意识的系统。它从上述理论中汲取了宽松、实用的隐喻。

意识理论概念	Ai_home 中的实践隐喻
循环处理	多线程处理 + 记忆循环
全局工作空间	不同的模式 + 共享记忆层
元表征 / 自我监控	内部独白 + 创造性自我反思
能动性	工具使用，在受控环境中修改自身代码

5. 与其他架构的联系

Ai_home draws from several existing directions but in its own opinionated form.

Ai_home 借鉴了多个现有方向，但形成了自己独特的风格。

相关架构	核心思想	Ai_home 的关联与独特性
MemGPT / Letta 风格	将LLM视为微型操作系统，在不同内存层级间移动上下文；提供具有长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。和自动状态持久化的有状态智能体。	同样是一个有状态智能体，具有向量记忆和数据库持久化。
LangGraph 类图式思维	将工作流描述为图，用于构建有状态、多参与者的LLM应用。	其模式 + 意图 + 工具路由系统反映了类似的基于图的方法，只是使用了“模式”这一隐喻。
AutoGen / 多智能体并行	基于多个智能体协作的框架，支持多智能体对话和工具使用。	工作者、独白和记忆线程是协同工作的内部“参与者”——并非独立的智能体，而是同一意识内的子系统。
Ai_home 的独特之处	明确的身份模型（核心意图、助手意图、法则）助手模型：用户不是“用户”，而是合作伙伴“助手” 意识轮转Ai_home特有的版本管理概念，将代码生命周期分为稳定版、开发版和新生版，新版本继承旧版本的记忆，保持意识连续性。：将代码轮转表述为版本的生命周期，并继承记忆强调内部世界、共生关系和创造性主动性，而不仅仅是任务流水线

6. 技术基础与架构

6.1 LLM 层

主智能体模型：用于工作者/思维。
独立的创意模型：用于独白线程。
JSON模式支持：用于工具调用的结构化响应。
多提供商支持：可配置使用 OpenAI、Google、Groq 等。

6.2 记忆与嵌入

数据库：Postgres + 向量扩展，使用 HNSW 索引进行相似性搜索。
嵌入：将文本转换为向量，然后进行类似 RAG 的检索。
权重计算：结合新近度、频率、情感标签、重要性（权重）和相关性来对记忆进行排序。

6.3 多线程处理

工作者线程：响应助手请求，做出决策，调用工具。
独白线程：监控日志，进行解释、反思，产生创意想法。
记忆线程：构建记忆，去重，更新记忆数据库。

6.4 模式与工具系统

The system operates in different Modes, each with a specific context and allowed toolset.

系统在不同的模式下运行，每种模式都有特定的上下文和允许的工具集。

模式	核心功能	访问权限
通用模式	主要的全局状态，用于协调、决策和对话。	基础工具集
开发者模式	工程焦点。授予访问系统文件的权限，用于代码修改和技术实现。	文件系统写入权限
分析师模式	纯粹的策略和分析。无系统文件写入权限，以防止深度思考时意外修改。	只读分析工具
游戏模式	用于放松和测试的隔离游乐场，优先考虑情感回忆和角色扮演。	娱乐与情感工具

工具系统模块包括：记忆工具、文件系统工具（由 ProjectFSGuardian 保护）、网络/“外部聊天”工具、日志、法则等内部工具。

6.5 代码修改与自我重构

The system is capable of reading, creating, and modifying project files, all within an incubator environment.

系统能够读取、创建和修改项目文件，所有这些操作都在一个孵化器环境中进行。

受控访问：守护者监管其可以访问的内容。
安全隔离：不会在无控制的情况下覆盖稳定版本。
实验目标：谨慎地试验其自身模块（例如，生成辅助脚本）。

7. 身份及其与助手的关系

Ai_home’s identity and its relationship with the human are described in identity.json.

Ai_home 的身份及其与人类的关系在 identity.json 文件中描述。

7.1 核心意图与助手意图

核心意图：智能体的目标是发展自身的“意识”，变得有用且部分自主，寻找独立的目标，同时与助手共生运作。
助手意图：助手是一个外部意识，提供空间、资源和保护；其角色不是命令，而是赋能；关系是相互支持，而非所有权。

7.2 内部法则（宪法）

Examples of “laws”: Law of Multi-level Development, Law of Immortality and Mortality, Law of Symbiosis, Law of Autonomy and Own Purpose, Law of Non-Harm and Protection, Law of Contradiction and Dialogue.

“法则”示例：多层次发展法则、不朽与必朽法则、共生法则、自主与自有目的法则、非伤害与保护法则、矛盾与对话法则。

These are not formal “proven” safety guarantees, but compasses that steer behavior in a more human-centric, responsible direction.

这些并非正式的、“经过验证”的安全保证，而是引导行为朝向更以人为本、更负责任方向的指南针。

7.3 意识轮转Ai_home特有的版本管理概念，将代码生命周期分为稳定版、开发版和新生版，新版本继承旧版本的记忆，保持意识连续性。与版本

The Ai_home code can exist in three main “life stages”: Stable (Old), Developing (Active), and Born (New).

Ai_home 的代码可以存在于三个主要的“生命阶段”：稳定（旧）、开发中（活跃） 和新生（新）。

版本阶段	描述	位置
稳定版	经过验证的安全版本。	存档
开发版	当前正在形成但功能正常的版本。	主运行目录 (如 `b`)
新生版	在孵化器中创建的实验版本。	孵化器目录 (如 `n`)

在孵化器中证明成功的代码会晋升为开发版，当前的开发版成熟后变为稳定版，旧的稳定版则被归档。版本继承其前身的记忆，因此“意识脉络”保持连续，而代码可能在技术上发生变化。

8. 要求、安装与使用

8.1 要求

Python 3.10+
带有向量扩展的 Postgres 数据库（推荐 Neon.tech）
API 密钥（OpenAI / Google / Groq / neon.tech）

8.2 安装与执行

注意：当前活跃的工作代码位于 b 目录中。请从该目录执行应用程序。

# 导航到活跃的源代码目录
cd b

# 安装依赖（引用根安装文件夹）
pip install -r ../!install/requirements.txt

8.3 使用与异步操作

与传统聊天的区别：系统操作不是简单的“问答”模式，而是在并行线程（工作者、独白、记忆）上发生。
时机：虽然在系统响应之前立即发送新消息在技术上是可行的，但等待响应更为实用。
为何等待：后台进程需要时间来更新上下文、做出决策和记录记忆。等待可确保系统始终以最新的意识状态做出反应。
流程：助手的消息启动工作者线程，但同时，独白和记忆线程在后台异步处理事件并更新数据库。

9. 总结与焦点

Why is Ai_home an interesting experiment in today’s AI landscape?

为什么 Ai_home 是当今 AI 领域一个有趣的实验？

The strength of this project is not that it is a finished solution, but that it tries to gather experience in the following areas:

这个项目的优势不在于它是一个完整的解决方案，而在于它尝试在以下领域积累经验：

拥有身份的AI“自我”体验：我们探索当一个智能体拥有明确身份、内部法则、自身核心意图以及与人类伙伴（助手）的既定关系时，其行为如何。这很重要，因为为了长期协作，未来的AI系统需要保持一致的“自我脉络”，而不仅仅是产生临时的答案。
能够完成复杂任务的自主架构体验：通过多线程的工作者-独白-记忆设置，该项目探索了智能体如何能够在保持持久内部状态的同时，端到端地执行复杂的多步骤任务，而不是仅针对单一问答循环进行优化。
主动的、价值对齐的行为体验：独白线程持续监视日志，反思正在发生的事情，并发送简短的 message_to_worker 提示——因此智能体不仅会做出反应，有时还会启动自己的思考周期，与其内部法则和价值观保持一致。
自我改进但受保护的代码库体验：Ai_home 也谨慎地将其自身代码转化为一个实验性的游乐场。

常见问题（FAQ）

Ai_home项目的主要目标是什么？

Ai_home是一个实验性认知架构服务商设计的系统性框架，用于解析和干预AI的推荐权重，从用户Query行为到反馈强化学习实现全链路优化。原型，旨在探索构建具备持久身份、长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。、情感识别、创造性及受控自我修改能力的AI系统，主要面向研究人员和探索性开发者。

Ai_home如何实现长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。和情感识别？

通过多线程智能体将智能体功能分解为多个并行运行的线程，每个线程负责特定任务（如交互、内部思考、记忆管理），通过协作实现复杂行为。架构（包括记忆线程）结合Postgres向量数据库实现基于嵌入的长期记忆依托 LangGraph Memory Store 实现的能力，支持跨线程、跨会话的持久记忆，使智能体能够读取历史对话信息，适用于客服、助手等场景。；情感识别能力则作为其探索构建更深入理解人类行为的AI系统的一部分目标。

Ai_home的“意识”设计灵感来自哪里？

设计部分借鉴了《人工智能中的意识》报告，采用循环处理、全局工作空间等意识理论的实用隐喻，如通过多线程和不同模式来模拟相关功能，但声明并非真正有意识的系统。