---

MemLikeHuman 把人格、共同经历和未完成的工作保存在你自己的电脑上。聊天模型通过 MCP 按需读取，你也可以打开本地网页，查看来源、修改记忆、导入导出记忆包。

Python + SQLite，无需 Docker、图数据库或账号。 本地管理与关键词检索无需 API key；模型提炼和语义检索可单独配置。

快速开始

需要 Python 3.11+；推荐使用 uv。

git clone https://github.com/xeonphi1/memlikehuman.git
cd memlikehuman
uv sync --frozen
uv run memlikehuman init
uv run memlikehuman web

最后一条命令会启动仅监听 127.0.0.1 的本地服务，并打开浏览器。安装完成后，网页管理可完全断网使用，页面没有 CDN、远程字体或遥测。

默认记忆保存在 ~/.local/share/memlikehuman/，位于代码仓库之外。管理已有库：

uv run memlikehuman --data-dir /ABSOLUTE/PATH/private-memory web

Windows 可用 C:/Users/你的用户名/private-memory。没有 uv 时，在虚拟环境中运行 python -m pip install .，随后使用 memlikehuman web。当前未发布到 PyPI。

离线记忆工作台

先选记忆库 → 人格／项目 → 记忆分层，再搜索、查看和编辑。

分层	可视化管理能力
核心人格	编辑性格、价值、表达风格与边界；版本历史和回退
原始经历	新增原文、查看说话者与来源、保存修订副本、人工提炼
事实与偏好	分层检索、修订内容与概览、核对原话及有效期
共同约定、成长、经历、观察	各自独立管理，保留来源与旧版本
情绪表达	调整表达内容、方向和强度，与人格分开保存
工作交接	编辑目标、完成项、待办、约束和下一步

• 导入： MemLikeHuman JSON / JSONL 记忆包、SQLite 备份。每次导入创建独立记忆库，不覆盖当前库。
• 导出： 当前选中的整个记忆库，包含所有人格和项目；支持上述三种格式。
• 修改： 提炼记忆创建修订版本；原始对话保存为有来源的修订副本；不偷偷改写历史。
• 离线提炼： 从原文创建事实、偏好、约定等记忆，校验引用确实存在，保留陈述类型。

网页上传限 64 MiB；更大的记忆包使用 CLI。网页修改会直接写入所选 SQLite 库，MCP 后续读取可见；导入的独立库需将 MCP --data-dir 改为面板底部显示的路径才会使用。完整操作说明 →

接入 DeepSeek Harness 与大鲸鱼

推荐：宿主自动捕获模式。 保存可见对话，在压缩前等待原文与交接落盘，并在摘要保存后允许替换上下文。写入失败会阻止本次压缩；重启后增量续传。

dsh plugin --profile web add github:xeonphi1/memlikehuman

这条命令安装 DSH bundle，Python 核心仍需按上文安装，再按安装、配置与升级指南设置路径、人格和项目。适配 Harness 0.2.1-rc.3。目前通过 GitHub 源码分发，尚未发布 npm，也不提供应用内市场一键安装。

只需要 MCP 工具时，使用基础接入指南；其他宿主参考通用配置。新会话调用 session_resume，查找旧事调用 memory_recall，需要原话时调用 memory_read。

“大鲸鱼”指社区项目 linsport/dsh-whale-persona。本项目独立开发，不打包上游角色全文或美术。已验证官方包、宿主事件和真实 stdio；实际 Harness UI／付费模型端到端行为尚待验证。

已经聊了 100 多天，如何补导？

导出原始聊天 → 转换为事件 JSONL → 离线入库 → 人工或分批模型提炼 → 核对人格和待办 → 新会话恢复。

提供历史聊天迁移工作流和可续跑导入脚本。网页导入的是本项目的完整记忆包，不能直接识别任意平台的聊天导出；宿主已经丢失的原文也无法凭空还原。

记忆分层，按需想起

原文像日记一样完整保存。旧经历默认在 180 天后显示概览，730 天后进一步粗化时间；需要具体日期、地点和原话时再追溯。事实、偏好和明确约定保持详细，临时情绪不覆盖人格。

flowchart LR
    A[对话原文] --> B[(本地 SQLite)]
    B --> C[提炼记忆 · 概览 · 线索]
    B --> D[离线网页查看与编辑]
    C --> E[按问题检索与预算恢复]
    P[人格与工作交接] --> E
    E --> F[新的会话或模型]

不会每次恢复都读取整个记忆库。十万条合成中文记忆的进程内基准：特定经历检索中位数约 5.36 ms，带查询恢复包约 37.48 ms；常见词约 83.60 ms。这些数字不含网页、子进程、模型生成、网络或提炼开销，也不是召回准确率评测。完整性能报告 →

数据边界

• 原文先持久化，再提炼；失败可重试。用户陈述、助手表达和推测分别标记。
• 网页面板与 CLI 管理的是明文本地库。导出包不包含配置密钥，但原始对话本身可能含敏感内容。
• 网页不调用模型 API。另行配置云端提炼或 embedding 时，对应操作会把内容发送给你选择的提供商。
• 通用 MCP 不会自动截获全部聊天；自动捕获依赖特定宿主插件。分区是单用户数据组织方式，不是多租户权限系统。
• 仍为开发预览版；可延续角色状态与记忆，不保证不同模型表现完全一致，也不宣称模型拥有真实主观情感。

文档导航

目标	文档
网页导入、导出与分层编辑	中文 / English
安装 DSH bundle	安装、升级与卸载
配置 Harness 和鲸鱼	中文 / English
配置 API、CLI 与备份	中文参考 / English
调用 MCP、控制恢复预算	接口约定
理解存储与淡忘	架构 / 性能报告
贡献代码	贡献指南

开发与测试

uv sync --frozen --group dev --extra tokenizer
uv run pytest -q
uv run ruff check src tests examples benchmarks scripts
uv run ruff format --check src tests examples benchmarks scripts
uv build

CI 覆盖 Linux、macOS、Windows 的 Python 3.11 / 3.13，以及 DSH 插件测试。网页包含真实本机 HTTP、导入导出、版本保留、来源验证和分区隔离测试。

Star 趋势

工作流每日记录真实星标数，从首次成功采样开始，不补造历史，无需个人 token 或第三方图表服务。

---

Apache-2.0 · LICENSE · NOTICE · 感谢 Graphiti 对时间、来源与关系设计的启发。