WanYi Memory Core 万忆中枢

永不遗忘的全量记忆系统 — Memoria a largo plazo basada en eventos para agentes de IA: memoria de procesos, libro de errores, cristalización de experiencia, bloqueo de decisiones basado en confianza, ramas contrafácticas, analogía entre dominios, reproducción de trayectorias, socio proactivo, recuperación semántica por vectores, reranker, grafo de memoria, decaimiento temporal y brechas de conocimiento metacognitivas. Se distribuye como un servidor MCP local-first con 23 herramientas. Tus datos nunca salen de tu máquina.

Por qué

Los agentes de LLM olvidan. Cada ventana de chat es amnesia: las preferencias, las lecciones y la experiencia ganada con esfuerzo se evaporan cuando termina la sesión. Los sistemas de memoria existentes o almacenan en la nube (riesgo de privacidad), requieren infraestructura pesada, o solo hacen búsqueda por palabras clave (sin recuperación semántica).

WanYi Memory Core es un sistema de memoria local-first, de cantidad completa y auto-evolutivo:

• Event sourcing — un WAL de solo añadidura es la única fuente de verdad. Nada se elimina jamás; el decaimiento solo afecta la clasificación de recuperación.

• Recuperación semántica — recuperación híbrida: palabras clave BM25 + embedding chino local (BAAI/bge-small-zh-v1.5) + reranker (BAAI/bge-reranker-base) + expansión de grafo de conocimiento + decaimiento temporal explícito.

• Metacognición — cuando la recuperación es débil, el sistema lo admite y registra una brecha de conocimiento en lugar de alucinar una respuesta.

• Salvaguardas de decisión — las acciones de alto riesgo (all-in, revenge-trading, force-push, rm -rf) activan un bloqueo basado en confianza con ramas contrafácticas: ves lo que habría pasado si hubieras escuchado.

• Evolución sin participación — no es necesario decir "recuerda esto"; el sistema decide qué almacenar, consolida durante la noche y presenta revisiones semanales de trayectoria.

Related MCP server: Memory MCP

Instalación

pip install wanyimem            # core
pip install "wanyimem[all]"     # + vector & reranker models deps

Requiere Python 3.10+. Los modelos (embedding ~95MB, reranker ~1.1GB) se descargan en el primer uso desde HuggingFace; establece HF_ENDPOINT=https://hf-mirror.com si estás en China continental.

Antes de que se publique la versión en PyPI, también puedes instalar directamente desde GitHub (código idéntico):

pip install "git+https://github.com/17861102832/wanyimem.git"

Inicio rápido (MCP)

Añade a tu mcp.json (Claude Desktop, Cursor, Trae, etc.):

{
  "mcpServers": {
    "wanyi": {
      "command": "python",
      "args": ["-m", "wanyi.memory_core"],
      "env": {
        "万忆中枢_STORE_DIR": "C:/path/to/your/memory"
      }
    }
  }
}

Entonces cualquier agente puede llamar a las 23 herramientas, por ejemplo:

万忆记录见闻 → "2026年5月基金大跌时我死扛不止损，亏了18%才割肉。"
万忆召回记忆 → query "认赔离场到底对不对"   # semantic match even with zero shared keywords
万忆置信度决策检查 → "我要全仓梭哈"          # BLOCK if confidence is low, with historical mistakes

Inicio rápido (biblioteca)

from wanyi import WanYiCore

engine = WanYiCore()
engine.tool_record_memory(
    content="止损纪律：亏损超过8%必须无条件卖出",
    layer="法", mem_type="principle",
)
resp = engine.tool_recall_memory("认赔离场到底对不对", limit=5)
for m in resp["memories"]:
    print(m["content"], m.get("_rerank_score"))

Características

Benchmark (mini LongMemEval, recuerdo de hechos entre sesiones, 10 casos): Recall@5 = 90%, MRR = 0.900.

Documentación

• 中文安装与使用指南

• README 中文版

• 示例 MCP 配置

Contribuciones

Consulta CONTRIBUTING.md. Reporta vulnerabilidades de forma privada a través de SECURITY.md.

Licencia

MIT © 2026 Zhao Xikun