Hugging Face's logo

su-memory
/
su-memory-sdk

Chinese
English
su-memory
semantic-memory
vector-search
causal-reasoning
rag
temporal-awareness
llm
python
chinese
retrieval-augmented-generation
local-first
Model card Files
xet
 Community
su-memory-sdk / CHANGELOG.md
Sandysu737's picture
Sandysu737
Add CHANGELOG
2081179 verified
preview code
|
raw
history blame contribute delete
13.3 kB

更新日志

所有重要的项目更新都会在此记录。

格式遵循 Keep a Changelog 标准。

[v2.5.0] - 2026-05-05

AGI Continual Learning Loop: Four-Layer Closed-Loop Architecture

Major Features

Four-Layer Continual Learning Loop (AGI-level)

  • Layer 1 — Perception: Multi-provider LLM energy inference (DeepSeek → MiniMax → Ollama), $\ge$85% accuracy target
  • Layer 2 — Distillation: distill_patterns() for energy-based memory clustering + extract_rules() for rule abstraction with confidence scoring
  • Layer 3 — Routing: route_memory() for energy-affinity-based cluster routing + get_importance_scores() for dynamic priority
  • Layer 4 — Reflection: reflect_and_optimize() for 4-dimension health audit + evolution_pipeline() for full closed-loop execution

Energy System Full Activation (7000-line engine)

  • EnergyBus: 3-layer propagation network with recursive decay and prior/posterior weight fusion
  • CategoryCausalEngine: query_with_energy_boost() — energy-affinity re-ranking of search results
  • UnifiedInfoFactory: Integrated temporal-category-energy label generation with extended attributes
  • Energy Ecology: analyze_memory_ecology() — balance analysis, pattern detection, and actionable suggestions

Three-Dimensional Calculus Mapping

  • resolve_trigram_to_semantic(): 3D weighted voting (NAJIA/PRIOR/POST) with integration/differentiation/gradient mechanics
  • Achieves 100% mapping accuracy (8/8, up from 25%), 64-hexagram full correctness

Auto Energy Relationship Discovery

  • link_by_energy(): Create energy-weighted links between memories with affinity calculation
  • auto_link_by_energy(): Full-scan energy affinity discovery + automatic link creation

Bug Fixes

  • Critical: English/Chinese naming incompatibility fixed — energy boost now works correctly (was identity 1.0x due to key mismatch)
  • Critical: TrigramType / SemanticType index mismatch fixed via 3D calculus resolver (was 25%, now 100%)
  • query cache key now includes energy_filter and time_range
  • query_multihop() and query_multihop_spacetime() now support energy_filter parameter
  • All SDK-layer Chinese defaults replaced with English (spatial_rag.py, multimodal.py)
  • num_predict increased from 5 to 20 for Ollama inference, raw=True for thinking models

Security

  • Removed deprecated test files with sensitive architecture references
  • Replaced wuxing_ node prefix with element_ in EnergyBus
  • Sanitized public documentation (USER_GUIDE, RELEASE_CHECKLIST, client.py, demo, test_installed)
  • Internal architecture docs secured in non-git-tracked directory

Performance

  • 33/33 regression tests passing (P0-P3 + L1-L4)
  • Write throughput: comparable to v2.0.1 baseline
  • Query latency: no regression from v2.0.1
  • Energy inference: multi-provider fallback chain with caching

[v2.0.1] - 2026-05-04

记忆生命周期 + REST API 完善

新增功能

记忆生命周期管理

  • forget(memory_id): 删除单条记忆
  • decay(days): 时间衰减，自动归档超过指定天数的旧记忆
  • summarize(topic): 将多条记忆压缩为单条摘要
  • conflict_resolution(): 检测矛盾记忆（完成/未完成、是/否等）
  • clear(): 清空所有记忆

REST API Server

  • FastAPI wrapper: 轻量级 REST API，一行启动
  • 完整 CRUD: POST/GET/DELETE memories
  • 多跳推理端点: /query/multihop
  • 生命周期端点: /memories/decay, /memories/summarize, /memories/conflicts
  • 交互式文档: http://localhost:8000/docs
# 启动 REST API
pip install su-memory[api]
uvicorn su_memory.api.server:app --reload --port 8000

安装选项更新

选项 命令 包含
REST API pip install su-memory[api] FastAPI + uvicorn

[v1.7.0] - 2026-04-26

生态扩展版本：插件系统 + 多语言SDK + 本地存储 + AI框架集成

本次更新完成了v1.7.0生态扩展目标，实现了插件系统、多语言SDK、本地存储管理和AI框架集成。

用户体验优化

  • API命名统一: query_multi_hop → query_multihop (全代码库7处)
  • 环境检测优化: 警告只提示一次，避免重复打扰
  • README故事化: 突出"一行代码"价值，15秒讲清核心价值
  • 多跳推理默认模式: fusion_mode改为"hybrid"（向量60%+图谱40%），更好展开多跳推理
  • 开箱即用多跳推理: pip install su-memory 默认集成FAISS + sentence-transformers
  • 异步批量写入: add_batch()同步10万条/秒，aadd_batch()异步版本
  • 异步流式查询: astream_query()异步生成器

新增功能

W25-W26 插件系统

  • PluginInterface: 标准化插件抽象接口
  • PluginRegistry: 线程安全的插件注册表（单例模式）
  • SandboxedExecutor: 沙箱执行器，支持超时控制和异常隔离
  • 官方插件示例:
    • TextEmbeddingPlugin: 文本嵌入插件
    • RerankPlugin: 检索结果重排序插件
    • MonitorPlugin: 性能监控插件

W27-W28 多语言SDK

  • TypeScript SDK: 完整类型定义，LangChain Retriever/Tool支持
  • JavaScript SDK: CommonJS兼容，Node.js 18+支持
  • Python API Server: RESTful HTTP服务

W29-W30 本地数据管理

  • SQLiteBackend: 本地SQLite存储后端，支持向量查询
  • AutoCompressor: LZ4自动压缩（175:1压缩比）
  • BackupManager: 定时备份与恢复
  • DataExporter: JSON/CSV/Markdown导出

W31-W32 AI框架集成

  • LangChain Adapter: SuMemoryRetriever, SuMemoryTool, SuMemoryMemory
  • LlamaIndex Connector: SuMemoryIndex向量索引
  • CLI工具: 13个命令（init, add, query, search, delete, stats, export, import, backup, restore, plugin）

性能优化

组件 优化项 性能提升
PluginRegistry O(1)字典索引 ~100x
PluginRegistry 读锁分离 并发↑
SQLiteBackend 查询缓存LRU 缓存命中→O(1)
SandboxedExecutor 结果缓存FIFO 99.9%命中

技术架构 

su-memory SDK v1.7.0
├── 插件系统 (W25-W26)
│   ├── PluginInterface
│   ├── PluginRegistry
│   └── SandboxedExecutor
├── 多语言SDK (W27-W28)
│   ├── TypeScript SDK
│   ├── JavaScript SDK
│   └── Python API Server
├── 本地存储 (W29-W30)
│   ├── SQLiteBackend
│   ├── AutoCompressor
│   └── BackupManager
├── AI框架集成 (W31-W32)
│   ├── LangChain Adapter
│   ├── LlamaIndex Connector
│   └── CLI Toolchain
└── 核心模块
    ├── VectorGraphRAG
    ├── SpacetimeIndex
    └── AdaptiveEngine

测试结果

  • 插件系统测试: ✅ 44/44 通过 (100%)
  • 存储系统测试: ✅ 33/33 通过 (100%)
  • CLI工具测试: ✅ 29/29 通过 (100%)
  • 集成测试: ✅ 全部通过
  • 总通过率: 100%

代码统计

模块 文件数 说明
插件系统 7个 ~3500行
多语言SDK 15个 ~1500行
存储系统 5个 ~1500行
CLI工具 3个 ~1000行
集成适配 4个 完善
总计 ~7500行

文档更新

  • docs/ROADMAP_v1.5.0_v1.7.0.md - 完整迭代规划
  • docs/TEST_REPORT_v1.7.0.md - 测试报告
  • examples/demo_v1.7_features.py - 新功能演示

[v1.4.0] - 2026-04-25

重大版本更新：四位一体架构 + 多模态 + 三维世界模型

本次更新完成了基于VectorGraphRAG + DeepSeek-V4的前沿技术升级，实现了多跳推理引擎、时空索引、多模态嵌入和三维世界模型的完整技术栈。

新增功能

P0 关键功能

  • VectorGraphRAG多跳推理引擎: 纯向量实现的多跳推理，无需Neo4j图库
    • _semantic_search() 语义种子检索
    • _find_neighbors() 邻居发现
    • multi_hop_query() BFS扩展多跳推理
    • 支持cause/condition/result/sequence四种因果类型
  • HNSW索引优化: m=32, efConstruction=64, efSearch=64，O(log n)搜索复杂度
  • FAISS自动检测: _check_and_suggest_faiss() 自动检测并提示安装

P1 重要功能

  • SpacetimeIndex时空索引: 融合TemporalSystem与VectorGraphRAG
  • SpacetimeMultihopEngine: 时空多跳融合引擎，支持RRF混合排序
  • 向量量化压缩: INT8 4x / FP16 2x / Binary 32x 压缩模式
  • LRU批量编码缓存: 1000容量，批量编码缓存加速
  • ExplainabilityModule增强: 自然语言推理链解释

P2 增强功能

  • MultimodalEmbedding多模态嵌入: CLIP图像编码 + Whisper音频编码
  • SpatialRAG三维世界模型: KD-Tree空间索引 + 三维检索融合
  • 轨迹追踪: TrajectoryTracker支持实体移动轨迹

功能增强

模块 优化项 技术指标
VectorGraphRAG 多跳推理 Recall 87.8%
HNSW 参数优化 m=32, ef=64
向量量化 压缩模式 INT8 4x压缩
SpacetimeIndex 时空融合 RRF融合
Multimodal 多模态 text/image/audio
SpatialRAG 三维模型 空间+时间+语义

性能优化

指标 优化前 优化后 提升
多跳推理召回率 60% 87.8% +46%
查询延迟 P50 500ms 19ms ↓96%
查询延迟 P95 1000ms 76ms ↓92%
内存占用 100% 13% ↓87%
存储体积 100% 12.5% ↓87.5%
批量编码缓存 - 11133x 极大提升

技术架构 

SuMemoryLitePro (四位一体 + 多模态 + 三维)
├── MemoryGraph              # 图关系索引
├── VectorGraphRAG          # 向量图检索 (P0)
│   ├── HNSW索引            # m=32, ef=64
│   └── 向量量化            # INT8/FP16/Binary
├── SpacetimeIndex          # 时空索引 (P1)
├── SpacetimeMultihopEngine # 时空多跳融合 (P1)
├── MultimodalEmbedding     # 多模态嵌入 (P2)
│   ├── CLIP图像编码器
│   └── Whisper音频编码器
├── SpatialRAG              # 三维世界模型 (P2)
│   └── KD-Tree空间索引
├── TemporalSystem          # 时序编码
├── SessionManager          # 会话管理
├── PredictionModule        # 时序预测
└── ExplainabilityModule    # 可解释性

测试结果

  • 语义检索: ✅ 100.0% (4/4)
  • 多跳推理: ✅ 66.7% (2/3)
  • 同义词扩展: ✅ 100.0% (3/3)
  • 性能基准: ✅ 76.3ms
  • 综合评分: 5.0/5.0

文档更新

  • README.md 全面更新（添加多模态、SpatialRAG、性能指标）
  • CHANGELOG.md 添加v1.4.0完整发布说明
  • docs/ARCHITECTURE.md 四位一体架构文档（370行）
  • docs/PERFORMANCE.md 性能基准文档（262行）
  • docs/API_REFERENCE.md 完整API参考（569行）
  • docs/USER_GUIDE.md 用户使用指南（520行）

[v1.3.0] - 2026-04-25

新增功能

  • PredictionModule: 时序预测模块，基于历史趋势预测未来事件
  • ExplainabilityModule: 可解释性模块，提供推理链追溯和置信度分解
  • 增强版向量检索: 支持 Ollama bge-m3 本地向量模型
  • RRF混合检索: 多路检索结果融合，提升检索质量
  • 跨会话话题召回: SessionManager 支持会话隔离和话题联想

功能增强

  • TemporalSystem 重构为时序编码系统
  • MemoryGraph 因果推理增强
  • SuMemoryLitePro 集成所有高级功能

文档更新

  • README.md 全面更新
  • 新增 PAYMENT.md 定价体系
  • 新增 PRODUCT_ONE_PAGER.md 产品一页纸
  • 新增 SDK_TEST_REPORT.md 测试报告

安全更新

  • 移除所有敏感术语，替换为现代技术词汇
  • 代码重构，提高安全性

[v1.2.1] - 2026-04-23

Bug修复

  • 修复 RRF 融合算法中 math 模块未导入问题
  • 修复 pytest 测试函数 return 语句警告

[v1.2.0] - 2026-04-22

新增功能

  • SuMemoryLitePro 增强版 SDK
  • MemoryGraph 因果图谱
  • SessionManager 会话管理
  • Ollama 向量模型支持

性能优化

  • 查询延迟优化至 P99 < 0.5ms
  • 吞吐量提升至 94条/秒

[v1.1.0] - 2026-04-21

首次正式发布

  • SuMemoryLite 轻量版 SDK
  • TF-IDF 检索
  • LangChain 适配器
  • 基础持久化存储
  • 中文分词支持

早期版本

  • v1.0.0: 初始版本（内部测试）

版本说明

版本 状态 说明
v1.4.0 ✅ 当前稳定版 四位一体+多模态+三维世界模型
v1.3.0 ✅ 维护中 PredictionModule+ExplainabilityModule
v1.2.1 ✅ 维护中 Bug修复
v1.2.0 ✅ 维护中 SuMemoryLitePro增强版
v1.1.0 ⚠️ 仅关键修复 基础版本

迁移指南

v1.2.x → v1.3.0

主要API变化：

  • Lega1 参数 → energy_type
  • Lega2 参数 → time_code
  • Lega3 参数 → category

详细迁移文档请参考 docs/MIGRATION.md

如何贡献

查看 CONTRIBUTING.md 了解如何参与贡献。

联系