SmartMemory

🧠 SmartMemory

为你的大模型提供结构化、可验证的记忆 — 将对话转化为 AI 能够推理的知识图谱。

一个 MCP 服务，通过自然对话向 AI 助手传授业务规则。

注意

概念验证。 SmartMemory 是神经符号架构的一种实验性实现，旨在探索大模型如何与知识图谱交互以学习和应用规则。它不适用于生产环境 — 请将其作为研究和学习的试验场。

---

为什么选择 SmartMemory？

大模型擅长交流，却没有真正的记忆。在对话过程中，它们会遗忘，无法解释自己得出结论的原因，还会轻易地陈述未经验证的内容。

SmartMemory 补上了缺失的部分：一个符号大脑。

• 你陈述的事实会存储在可审计的知识图谱（RDF）中，每条事实都附有来源信息。
• 逻辑会被记录为明确、可检查的规则（SPARQL/OWL） — 而不是隐藏在权重中。
• 新结论可推导、可追溯、可撤销 — 有歧义的结论则会发回给你进行验证。

最终得到的助手不只是听起来正确 — 它还能展示推理过程。

---

它能做什么

SmartMemory 将你的 AI 助手变成领域专家，支持：

• 异步推理 — 在后台运行推导（InferenceManager），不会拖慢对话。
• 不确定性处理 — 有歧义的事实会触发人工参与的验证工作流。
• 智能 NLP 抽取 — 能处理复杂句子、指代关系和直接 Turtle 表示法。
• 来源追踪与审计 — 每条存储的事实都会保留其来源（UUID、来源、时间戳）。
• 动态规则引擎 — 可即时学习并应用新的 SPARQL 规则。

---

工作原理

flowchart LR
    A["Natural-language<br/>conversation"] -->|LLM extraction| B["Facts"]
    B --> C[("Knowledge Graph<br/>RDF / Turtle")]
    C -->|SPARQL / OWL rules| D["Inference engine"]
    D -->|new deductions| C
    D -->|ambiguous?| E["Human-in-the-loop<br/>validation"]
    E -->|approve rule / fact| C
    C -->|provenance + audit| F["Verifiable answers"]

大模型是语言皮层（负责理解和抽取）；知识图谱和规则引擎则是符号记忆（负责存储、逻辑和证明）。两者单独使用都不够 — 结合起来才构成神经符号系统。

---

两种使用方式

	💬 对话模式 — “大脑”	🏗️ 监督模式 — “工厂”
适用对象	使用大模型客户端的个人（Claude Desktop 等）	团队、开发者、重度用户
目标	让助手在聊天时记住事实并学习逻辑	从文档（PDF）中提取数千条规则并可视化图谱
方式	将其配置为 MCP 服务	通过 Docker 部署完整仪表板
设置	跳转至设置 ↓	跳转至设置 ↓

---

快速开始

我想……	前往
在 5 分钟内运行起来	快速入门指南
试用高级演示	演示流程
了解内部原理	架构 · 神经符号原理
配置提供商	配置参考
解决问题	故障排除
浏览所有文档	文档索引

---

模式 1 — 对话模式设置（MCP）

为你的大模型提供长期记忆和逻辑推导能力。

选项 A — Docker（推荐）🐳

无需 Python。镜像已发布到 GitHub Container Registry。

Claude Desktop — 编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "smart-memory": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "ghcr.io/mauriceisrael/smart-memory:latest"]
    }
  }
}

同一配置块适用于任何 MCP 客户端（例如 Cline）——只需将路径指向客户端的 mcp_settings.json。重启客户端即可。✅

选项 B — 本地服务（从源代码运行）🔒

适合开发者和注重隐私的用户。

git clone https://github.com/MauriceIsrael/SmartMemory
cd SmartMemory
python3 -m venv venv
source venv/bin/activate
pip install -e .

然后让 Claude Desktop 使用本地安装：

{
  "mcpServers": {
    "smartmemory": {
      "command": "/absolute/path/to/SmartMemory/venv/bin/python",
      "args": ["-m", "smart_memory.server"]
    }
  }
}

重启 Claude 并试试：“我认识 Bob。他开车去上班。他能投票吗？”——请参阅下方的演示。

---

模式 2 — 监督设置（Docker）

运行Web 控制面板和API 服务——非常适合可视化知识图谱、从 PDF 中提取规则，以及为团队托管共享记忆。

# Dashboard mode — example with Mistral
docker run -p 8080:8080 \
  -e LLM_PROVIDER=mistral \
  -e LLM_MODEL=mistral-large-latest \
  -e LLM_API_KEY=your-api-key \
  -v $(pwd)/brain:/app/data \
  ghcr.io/mauriceisrael/smart-memory:latest dashboard

# Dashboard mode — example with a local model (Ollama)
docker run -p 8080:8080 \
  -e LLM_PROVIDER=ollama \
  -e LLM_MODEL=llama3 \
  -e LLM_BASE_URL=http://172.17.0.1:11434 \
  -v $(pwd)/brain:/app/data \
  ghcr.io/mauriceisrael/smart-memory:latest dashboard

添加 dashboard 以启动 Web 服务；否则容器会以 MCP 模式启动。-v 卷会持久保存你的知识图谱和规则。在 http://localhost:8080 打开控制面板。

---

大模型配置

SmartMemory 使用大模型从自然语言和文档中提取事实和规则。可通过控制面板的管理页面或环境变量（-e LLM_PROVIDER=…）进行配置。

提供商	模型示例	说明
Mistral	mistral-large-latest、mistral-small-latest	欧洲，提供 La Plateforme API
Ollama（本地，免费）	llama3、qwen2.5-coder、mistral	可离线运行
OpenAI	gpt-4、gpt-3.5-turbo
Anthropic	claude-3-5-sonnet
Google	gemini-1.5-pro

→ 完整配置指南

从文档中提取规则

1. 上传 PDF（例如 Company_Policy.pdf）。
2. 选择提供商——服务需要 API 密钥（或本地 Ollama）才能读取文档。
3. 审核并批准——系统会提出规则；你可以在控制面板中批量接受。

---

交互式演示——从事实到规则

对话模式中的流程：

> I know Bob
LLM: ✦ I've recorded the fact: I know Bob.

> He goes to work by car
LLM: ✦ Noted: Bob goes to work by car.

> Can Bob vote?
LLM: ✦ I can't conclude yet — but since he drives, he is likely an adult.
     May I add the rule "Drivers are adults"?

> yes
LLM: ✨ Rule 'drivers_are_adults' added.
     May I also add "Adults can vote"?

> yes
LLM: ✨ Rule 'adults_can_vote' added.
     ✦ Therefore, yes — Bob can vote. (derived from 2 rules)

每个步骤都会被存储、注明来源，并可重放——这正是其意义所在。

---

技术栈

• 后端： Python 3.11+、RDFLib、FastAPI
• 前端： SvelteKit、TypeScript、TailwindCSS
• 推理： 神经符号（大模型 + SPARQL / OWL）
• 协议： Model Context Protocol（MCP）
• 打包与部署： Docker、GitHub Container Registry、Google Cloud Run

---

路线图

• 扩展文档导入范围（DOCX、HTML、网页）
• 增强图谱可视化和规则冲突检测
• 发布首个带标签的版本（v0.1.0）

欢迎提出想法并贡献代码——请参阅 CONTRIBUTING.md。

---

许可证

MIT——请参阅 LICENSE。