GitHub项目地址: https://github.com/fluviusmagnus/Seelenmaschine

Seelenmaschine是一个具有记忆和人格的LLM聊天机器人项目。它能够通过终端或WebUI进行纯文本对话,并具有持久化的记忆系统,可以记住与用户的对话历史,并形成对用户的理解。

⚠️ 高强度AI编程警告！

主要特性

• 🤖 支持多种大语言模型(通过OpenAI兼容API)

• 🧠 复杂的记忆系统,包含:

  • 人格记忆(自我认知和用户形象)
  • 对话和对话总结(长期记忆)
  • 当前对话(短期记忆)

• 💾 本地数据持久化

  • 使用lancedb存储向量数据
  • 使用SQLite存储对话和会话信息

• 🔍 智能记忆检索

  • 自动检索相关历史对话
  • 检索结果智能判定嵌入上下文
  • 动态生成对话总结
• 🛠️ 完整的会话管理功能
• 🖥 提供用户友好的WebUI

技术架构

• 语言模型:支持OpenAI兼容API的任何模型
• 向量数据库:lancedb
• 关系数据库:SQLite
• 开发语言:Python
• WebUI: Gradio

快速开始

1. 确保已安装好Python

2. 克隆项目仓库

   git clone https://github.com/fluviusmagnus/Seelenmaschine.git

3. 按下文说明配置好.env文件

4. 运行

   • Windows: start.bat 或 start-webui.bat

   • Linux:

     1. 赋予权限

        chmod +x start.sh start-webui.sh

     2. 执行 start.sh 或 start-webui.sh

        ./start.sh

        或者

        ./start-webui.sh

5. (WebUI的情况下)浏览器访问http://localhost:7860即可

手动安装说明

1. 克隆项目仓库
2. 建立虚拟环境(可选)

3. 安装依赖包(需要Python 3.11+)

   pip install -r requirements.txt

配置说明

1. 复制.env.example文件并重命名为.env
2. 在.env文件中配置以下参数:

# Debug设置
DEBUG_MODE=false  # 调试模式开关 true/false

# 基本身份设定
AI_NAME=Seelenmachine
USER_NAME=User

# OpenAI API设置
OPENAI_API_KEY=your_api_key
OPENAI_API_BASE=your_api_base
CHAT_MODEL=your_preferred_model  # 例如:anthropic/claude-3.5-haiku
TOOL_MODEL=your_tool_model  # 用于记忆管理。建议使用推理模型,例如:deepdeek/deepseek-r1
EMBEDDING_MODEL=your_embedding_model  # 例如:text-embedding-3-small
EMBEDDING_DIMENSION=1536

# 记忆系统设置
MAX_CONV_NUM=20  # 最大对话轮数
REFRESH_EVERY_CONV_NUM=10  # 每次总结的对话轮数
RECALL_SESSION_NUM=2  # 检索相关会话数量
RECALL_CONV_NUM=4  # 从相关会话检索的对话数量

3. (可选) 在data文件夹中创建persona_memory.txt和user_profile.txt,填入人格记忆和用户形象

更多配置建议和使用技巧请参考项目 Wiki.

使用说明

直接在终端中进入CLI模式:

python src/main.py

或者,启动WebUI提供的网页应用:

python src/main.py --webui [--host HOST] [--port PORT]

参数说明:

--webui: 启动Web界面
--host: 指定主机地址（默认: 127.0.0.1）
--port: 指定端口号（默认: 7860）

CLI模式可用命令

• /reset, /r - 重置当前会话
• /save, /s - 归档当前会话,开始新会话
• /saveandexit, /sq - 归档当前会话,退出程序
• /exit, /quit, /q - 暂存当前状态并退出程序
• /help, /h - 显示此帮助信息

项目结构

src/
├── main.py          # 主程序入口,控制流程
├── chatbot.py       # 聊天逻辑实现
├── llm.py           # 大语言模型接口
├── memory.py        # 记忆系统实现
├── config.py        # 配置管理
├── prompts.py       # 提示词模板
└── utils.py         # 工具函数

data/               # 数据存储目录

记忆系统说明

人格记忆

• 包含自我认知和用户形象
• 在会话结束时更新
• 永久保存在配置文件中

对话总结

• 自动总结结束并归档的会话
• 通过检索回顾历史对话，提供长期记忆
• 二阶检索，通过对话总结进一步定位具体对话
• 保存在数据库中

当前对话

• 实时记录当前会话内容
• 超出最大轮数时自动总结早期对话
• 支持会话恢复功能

Debug模式

在debug模式下,程序会:

• 记录所有提交给大模型的内容
• 记录数据库的读写操作（未完成）
• 将日志保存在外部文件中

这些日志对于开发调试和优化系统非常有帮助。

风格是故意的。

很久没写技术博客了。正值对 Windows 忍受程度到达极限，怀念起多年前对 Linux 桌面系统完全控制的美好时光，决心重返之际，感受到如今 Linux 发行版使用便利程度又更上一层楼，不禁感慨万分。中途为满足多年来在 Windows 上新形成的习惯，增加了一些有趣的配置，便分享在此。

EBWin4 + GoldenDict？

没错，我也想在 Linux 中实现这个组合，毕竟没有更好的替代品了。好在 EBWin4 本身不是特别复杂的技术，wine 以如今的可靠性完全能够胜任。基本原理不变，依旧延续伟大献礼第二（误）致 GoldenDict 拉丁语古希腊语辞典用户（续）。但很奇怪，GoldenDict 似乎不能直接读取 wine 的输出，所以还得拿之前用过的 Python 小玩意来套一层。关键概念：

result = os.popen(
   'env WINEPREFIX="~/.wine" wine "~/.wine/drive_c/Program Files/EBWin4(x64)/ebwinc.exe" /G=KL /C=1 /O=h /E=u ' + s).readlines()

鼠标第四五键复制粘贴

X 的剪贴板已经够好用了，但同样不想浪费高端鼠标的第四五键，继续用来 Ctrl+C Ctrl+V 不好么？

先使用 xev -event button | grep button 检查鼠标那两个键被定义为几号（我的分别是8和9），让 xdotool 模拟键盘按键，最后 xbindkeys 开机自启，根据预先写好的 .xbindkeysrc 工作即可。配置示例：

"xdotool key ctrl+c"
    b:8
"xdotool key ctrl+v"
    b:9