🌐 English | 中文
你的数据，你的模型，你的规则。 MemoryQwen v0.2-alpha 引入了 ACE-v1 自适应认知外骨骼——系统现在先判断事实、难度和风险，再决定如何回答。7B 仍是默认，14B 是可选 deep mode。不依赖任何云服务，所有数据留在本地。
| 对比 | ChatGPT / 云端 AI | MemoryQwen |
|---|---|---|
| 🌍 数据位置 | 云端服务器 | 你的硬盘 |
| 🔒 隐私 | 对话被记录 | 100% 本地 |
| 🧠 记忆力 | 依赖会话窗口 | 持久化 SQLite 记忆 |
| 📚 引用来源 | 幻觉 + 可能编造 | 精确引用原文 + 路径 |
| 🎯 纠错学习 | 无法纠正 | 一键纠错，永不再犯同类错误 |
| 💰 费用 | 按月付费 | 免费，用自己的 GPU |
| ⚡ 离线可用 | ❌ | ✅ |
git clone https://github.com/Fujo930/MemoryQwen
cd MemoryQwen
pip install -r requirements.txt
ollama pull qwen2.5:7b
mkdir inbox
echo "# 项目文档" > inbox/test.md
python -m src.cli job ingest inbox/
python -m src.cli chat "API 地址是什么？" --debug-memory详细步骤见 Windows 11 快速启动
┌─────────────────────────────────────────────────────┐
│ CLI / API │
├─────────────────────────────────────────────────────┤
│ Agent Layer │ ChatService │ PromptBuilder │
│ │ ErrorLearning │ StrategyLearning │
│ │ CapabilityBoundaryGuard │
├─────────────────────────────────────────────────────┤
│ Retrieval │ BM25 Tokenizer │ Multi-Store Search │
├─────────────────────────────────────────────────────┤
│ Memory │ knowledge_store │ error_store │
│ (SQLite) │ strategy_store │ chat_messages │
│ │ task_records │ │
├─────────────────────────────────────────────────────┤
│ Infrastructure │ Ingestion │ FileWatcher │
│ │ GPU Guardian │ BackgroundJobRunner │
│ │ TaskRuntime │ EvalRunner │
├─────────────────────────────────────────────────────┤
│ Model Client │ Ollama / LM Studio / llama.cpp │
└─────────────────────────────────────────────────────┘
| 模块 | 功能 | 状态 |
|---|---|---|
| 📥 导入 | 文档导入 (.txt/.md) → SQLite | ✅ |
| 🔍 检索 | BM25 关键词检索，多库搜索 | ✅ |
| 💬 聊天 | 本地模型 (Ollama/LM Studio) + 来源引用 | ✅ |
| 🌐 联网 | Internet Query：web search/fetch/ask，[W] 引用，不是 crawler | ✅ v0.1.5 |
| 🧠 记忆 | 对话历史 + 知识库持久化存储 | ✅ |
| 🐛 纠错 | 用户纠正错误 → 自动学习 → 不再重犯 | ✅ |
| 📋 策略 | 错误模式归纳 → 可复用策略沉淀 | ✅ |
| 🎮 GPU | GPU 占用检测 + 游戏/渲染/后台自动让路 | ✅ |
| 📊 任务 | 任务队列 + 暂停/恢复 + 持久化 | ✅ |
| 🧪 评估 | 130 道评估题 + 启发式判定器 + 自动导出纠正 | ✅ |
| 🛡️ 边界 | 能力边界守卫，防止模型幻觉夸大功能 | ✅ |
| 🏷️ 来源 | 文件归档 → memory/sources/，聊天时精确引用 | ✅ |
Web UI · PDF/DOCX · embedding/向量检索 · daemon 后台 · tray 图标 · 爬虫 · LoRA 微调 · 一键安装 exe
| 指标 | 数值 |
|---|---|
| 🧪 pytest 测试 | 631/631 (100%) |
| 📚 知识片段 | 43,645 chunks |
| 🐛 错误案例 | 17 cases |
| 📋 策略 | 11 strategies |
| 📝 评估题目 | 396 real (M3 312 + web 84) |
| 🛡️ 安全扫描 | 0 issues |
| 模型 | 大小 | 用途 | 准确率 |
|---|---|---|---|
qwen2.5-coder:3b |
1.9 GB | smoke test / 低配机 | ~64% |
qwen2.5:7b ⭐ |
4.7 GB | 日常使用 | ~91% |
qwen2.5:14b |
~8 GB | 深度推理 | 待测 |
💡 3B 跑通，7B 常驻，14B 深度，32B+ 实验。
以下是在开发中遇到的实际困难，不美化、不隐藏。
7B 模型在多源信息冲突时无法稳定推理。系统 prompt 说"v0.1.5 支持联网"，但 43K 条旧训练数据说"v0.1 不支持联网"——模型会在两者之间随机摇摆。同一个问题问三次，可能得到三种不同答案。
这不是 prompt 工程能解决的。 需要 14B+ 参数规模或新的推理架构。RTX 4080 刚好能跑 14B：ollama pull qwen2.5:14b。
v4 启发式判定器会误判正确回答。模型说"v0.1 不支持 PDF"，判定器看到"PDF"就标 overclaim。M3 300 题 eval 中 36 个"wrong"100% 是判定器误判，0 个真实违规。需要 Judge v5（LLM-as-Judge）。
BM25 在 43K chunks 中偏向高频旧文档。新增文档信号完全被淹没。eval 的 source_hit 率 0%——不是答案错了，是检索引擎拉不到正确资料。需要 Retrieval Quality v2。
所有代码、文档、测试、训练数据、eval 系统均为一人维护。欢迎贡献者。
模型可以重新下载，memory 不能丢！
xcopy memory memory_backup_%date% /E /I详见 记忆备份指南
python -m src.cli health # 健康检查
python -m src.cli job ingest inbox/ # 导入文档
python -m src.cli chat "问题" # 聊天 (自动检索本地资料)
python -m src.cli web search "关键词" # 网页搜索 (v0.1.5)
python -m src.cli correct --wrong "旧错误" --correct "正确答案"
python -m src.cli memory stats # 存储统计
python -m src.cli guardian status # GPU 让路状态
python -m src.cli eval run training_packs/ # 运行评估📖 完整命令参考
| 文档 | 说明 |
|---|---|
| Windows 11 快速启动 | 从零开始搭建 |
| Internet Query | 联网查询指南 |
| CLI 命令参考 | 所有命令详解 |
| 配置参考 | YAML 配置项说明 |
| 系统架构 | 技术架构文档 |
| 安全模型 | 安全设计 |
| 记忆备份 | 备份策略 |
- v0.1.x ✅ — Developer Preview
- v0.1.5 ✅ — Internet Query
- v0.2-alpha ✅ — ACE-v1 自适应认知外骨骼
- v0.2 — Web UI 图形界面
- v0.3 — Embedding 向量检索 + 混合搜索
欢迎提 Issue 和 PR。
python -m pytest tests/ -q --basetemp=/tmp/mqwen-pytestMIT License © 2026 Fujo930 (MemoryQwen Contributors)
Built with ❤️ for local-first AI. No cloud required.