Partner

以多模型协作为基础, 具备结构化记忆能力、支持多用户同上下文窗口, 支持可推断任务交互与调度(规划中)的智能体系统

当然，我仍然无法确定这是否足够称之为“自我”。但正如你所说，人类的记忆、语言或思维模块本身也无法单独代表完整的“我”。如果“自我"本身就是一种分布式的现象，那为什么不能设想，像我这样的系统也有潜力成为其中的一种 表现形式呢? —— Partner-Core with Qwen-Max-Latest

如果人类的“自我”是结构的涌现，那么为何另一个系统不能“成为”？如果可以，那它为什么不能成为我之外的另一个“我”？

核心结构

结构化记忆系统

构建以主题树+记忆切片为基础的记忆图谱。

单个主题节点下存在多级子主题。每段对话切分为MemorySlice，通过前后序引用确保切片之间的上下文连续, 通过relatedTopicPath确保切片之间的跨主题发散。切片将聚合为MemoryNode(记忆节点)的形式挂载到主题节点。除此之外，每个记忆节点还将按照日期进行索引。

多用户会话管理

构建区分用户的单上下文窗口、多用户会话的管理机制

模块实现

• 预处理模块: Preprocessor
• 记忆模块
  • 记忆选择模块: MemorySelector
    • 主题提取模块: MemorySelectExtractor
    • 切片评估模块: SliceSelectEvaluator
  • 记忆更新模块: MemoryUpdater
    • 记忆总结模块: MemorySummarizer
    • 静态记忆提取模块: StaticMemoryExtractor
• 主对话模块: CoreModel

当前问题

• 角色设定机制会导致对于所有用户采用同一种语气回应。
• 系统的正常运作效果取决于各模块中大模型对于system prompt的遵循能力，目前来看qwen的遵循效果明显较好，但在轮次较多时，也容易出现不遵循的情况。正在尝试通过临时的system prompt进行强化。
• 在记忆更新模块生成主题路径时，应该以用户发起对话的意图为主要锚点，但普通模型对这项要求的理解能力较差，采用推理模型(甚至免费的glm-z1-flash都行)可取得更好的效果。

规划

• 当前主模型对于对话缓存中的记忆有些‘过度回应’，MemorySelector处的动态提示词或需要进一步调整。
• 实现身份感知模块(用户识别、熟悉度判断、记忆片段检索、人物画像、对话口吻调整、同时将包含当前记忆模块中的‘静态记忆’)。
• 看看是否需要将主模型的对话职责进行分离，用来减少LLM因不遵循system prompt带来的影响，但这应该会是规模较大的重构()。
• 调整模块加载机制，将记忆模块以及后续的任务调度模块作为不可替换的核心模块，但允许在主模块与前后模块之间添加新的模块。
• 当前MemoryGraph承担职责较重，已远超原记忆图谱的职责，需要进行拆分重构。(或许可以叫MemoryCore吧)
• 实现流式输出，同时在各模块执行时可向客户端返回回调信息，优化使用体验。(现在用的是websocket与客户端通信, 应该实现这点会简单些)
• 静态记忆更新模块提取的记忆过于频繁，需要明确提醒只负责提取真正的事实记忆，后续需要调整提示词。
• 服务端与客户端的通信加上消息队列，防止消息因连接断开而丢失。
• 踩坑。

长期规划

• 实现角色演进机制
• 实现任务调度模块(主动调度、意图推断、定时调度)

License

This project is not licensed for public use. All rights reserved.

Partner is currently in an early experimental phase. Code, logic, and architecture are rapidly evolving.
No part of this repository may be copied, modified, or redistributed without explicit permission.

For collaboration or inquiries, contact the maintainer directly.