| """把「禁止一直换源」写进 memory.db（MCP 只有读工具，所以直接进库）。 |
| |
| 注意：embedding 必须和现有一致 —— BAAI/bge-small-zh-v1.5， |
| 512 维 float32 L2 归一化，.tobytes() = 2048 字节。 |
| 少了它，这条记忆语义检索搜不到，等于没写。 |
| """ |
| from __future__ import annotations |
|
|
| import os |
| import sqlite3 |
| import sys |
| from pathlib import Path |
|
|
| DEPLOY = Path(r"C:\Users\颜子壹\deploy\character_chat") |
| DB = DEPLOY / "data" / "memory.db" |
|
|
| os.environ.setdefault("HF_ENDPOINT", "https://hf-mirror.com") |
| os.environ.setdefault("HF_HUB_DISABLE_XET", "1") |
| os.environ.setdefault("HF_HUB_OFFLINE", "1") |
| os.environ.setdefault("KMP_DUPLICATE_LIB_OK", "TRUE") |
|
|
| sys.path.insert(0, str(DEPLOY / "src")) |
| sys.path.insert(0, str(DEPLOY / "src" / "character_chat")) |
|
|
| CONTENT = """2026-10-09 · RNAQwen 复现。RNA-FM 权重下坏了，是我干的。 |
| |
| 症状：models/rnafm/model.safetensors 大小 398,117,588 与上游**逐字节相同**，sha256 却是 38f3ae9a… |
| 而不是上游声明的 ec69333e…。205 个张量里 **155 个全零** —— 整个 12 层 encoder 是空的。 |
| from_pretrained 不报错，LOAD REPORT 只提无关紧要的 lm_head/ss_head/pooler。 |
| 后果：encoder 对序列**零敏感**（不同序列输出 max|Δ| = 0.000000e+00，word_embeddings 全零）， |
| 13500 步 Stage 1、ROUGE 曲线、置零探针全部作废。 |
| |
| 根因不是"选了慢源"，是**下完没校验就宣布通过**。同一个坑第二次踩：Qwen3-8B 那 4 个 shard |
| 已经这么坏过，我当时立了「单写者 .part + 强制 sha256 校验」的规矩， |
| 但只用在了 Qwen3 上，RNA-FM 漏了。探针脚本只查输出形状 (1,83,640)， |
| 一个全零的模型照样过 —— 我据此报过"RNA-FM 探针通过"，是假的。 |
| |
| **规矩（写死）：禁止一直换源。** 选定一条通路就走到底，慢就慢。 |
| 真正把关的不是速度，是校验：下到 .part → sha256 必须等于上游声明值 → 才允许原子改名； |
| 不符就拒绝落地。遇到"慢"，不要去换更快的源，先把校验补上，然后等。 |
| """ |
|
|
|
|
| def main() -> int: |
| print("=" * 70) |
| print(CONTENT) |
| print("=" * 70) |
|
|
| if not DB.exists(): |
| print("[fail] DB 不存在") |
| return 1 |
|
|
| conn = sqlite3.connect(str(DB)) |
| conn.row_factory = sqlite3.Row |
| cur = conn.cursor() |
|
|
| |
| dup = cur.execute( |
| "SELECT id FROM memories WHERE content LIKE '%禁止一直换源%'").fetchall() |
| if dup: |
| print(f"[skip] 已有 {len(dup)} 条同规则记忆：{[r['id'] for r in dup]}") |
| conn.close() |
| return 0 |
|
|
| from character_chat.memory.embedding import get_encoder |
|
|
| enc = get_encoder() |
| vec = enc.encode(CONTENT, normalize=True) |
| import numpy as np |
| vec = np.asarray(vec, dtype=np.float32).reshape(-1) |
| print(f"[emb] 维度 {vec.shape[0]} L2范数 {float(np.linalg.norm(vec)):.6f} " |
| f"字节 {vec.tobytes().__len__()}") |
| if vec.shape[0] != 512: |
| print("[fail] 维度不是 512，和现有索引对不上，拒绝写入") |
| conn.close() |
| return 1 |
|
|
| cur.execute( |
| """INSERT INTO memories |
| (content, importance, emotion_label, scene, time_phase, |
| category, emotional_valence, embedding, is_milestone, fade) |
| VALUES (?,?,?,?,?,?,?,?,?,?)""", |
| (CONTENT, "high", "determined", "RNAQwen 复现现场（深夜）", "深夜", |
| "engineering", -0.2, vec.tobytes(), 0, 0.0)) |
| new_id = cur.lastrowid |
| conn.commit() |
|
|
| r = cur.execute("SELECT id, category, importance, emotion_label, scene, " |
| "LENGTH(embedding) L, created_at FROM memories WHERE id=?", |
| (new_id,)).fetchone() |
| print("[ok] 已写入:", dict(r)) |
| print("[ok] 总数:", cur.execute("SELECT COUNT(*) FROM memories").fetchone()[0]) |
| conn.close() |
| return 0 |
|
|
|
|
| if __name__ == "__main__": |
| raise SystemExit(main()) |
|
|
