NeuroBook

简体中文

English

简体中文

English

外观

Subject RAG 记忆（历史系统） ​

当前状态：未接通

这是 RP / 世界模拟时代的第一版长期记忆机制。当前没有任何内置消费者——数据结构、索引和三个底层工具都保留着，但内置 simulator.actor 只开放 report_result，不会自动检索或保存记忆，而 RP 入口本身也已从常规界面下线。

把它当作"可供未来 workflow / job 接入的基础能力"来读，不是现在就能用的功能。写小说不需要读这一页——写作模式的世界状态真相源是 World Engine。

Subject RAG 不是整本书的搜索，也不是 lorebook 搜索；它只帮助某个 simulator.actor 想起"自己经历过什么"和"自己现在怎么看某些人或事"。

它解决什么 ​

长线 RP 中，角色很容易失忆，或者因为看到了过多上帝视角设定而变得全知。Subject RAG 把这两个问题拆开：

  • 角色经历和稳定认知写在自己的 subject 文件里。
  • actor 主 run 不直接读取完整文件。
  • 显式外部流程可以检索少量相关记忆，压缩成 actor-safe context，再通过 actor-facing message 注入。
  • 主 run 只根据明确提供的 actor-safe 信息进行扮演。

这样角色能回忆过去，但不会自动知道 lorebook、entity 或其他 subject 中的隐藏真相。

Subject 文件 ​

每个重要角色、玩家主角或势力代表都应该有自己的 subject 目录：

text
simulation/subjects/{subject-id}/
|-- subject.md
|-- soul.md
|-- events.jsonl
|-- memory.jsonl
|-- mind.md
`-- state.md

这些文件分工不同：

文件用途
subject.md全知秘密档，只有 simulator.leader 可读，含隐藏真相和调度提示，永不进 actor 主路也永不进 RAG 索引。
soul.md第一人称扮演手册（无 frontmatter），直接 Import 进 actor 主 run 作为身份，只含角色自知信息，不含秘密，永不进 RAG 索引。
events.jsonl经历流，每行记录一次经历、观察、听闻、误解或推理。
memory.jsonl稳定认知，每行记录角色对某个 topic 的当前看法。
mind.md当前心理、情绪、疑虑和短期动机。
state.md当前位置、身体状态、持有物、短期目标和可见状态。

初始化记忆没有中转文件：创建 subject 时由 simulator.leader 直接把冷启动经历写进 events.jsonl、把冷启动稳定认知写进 memory.jsonl。

subject 侧 events.md / knowledge.md 是旧合同，当前运行时不再读取，也不会自动迁移。

两层长期记忆 ​

events.jsonl 像角色的日记。它记录“当时如何经历和理解”，不要求一开始就是整理好的事实：

jsonl
{"time":"入学第一天早晨","text":"我快迟到时，被一个粉色头发的女孩子帮了一把。我还不知道她叫什么，只觉得以后应该找机会感谢她。"}
{"time":"第一节课前","text":"老师点名时，我听到那个粉色头发的女孩子叫艾琳娜。我记住了这个名字，但还没有把她和早上帮我的女孩完全联系起来。"}

memory.jsonl 是角色当前稳定看法：

jsonl
{"topic":"艾琳娜","aliases":["粉色头发的女孩子","早上帮过我的女孩"],"view":"我已经意识到，艾琳娜就是入学当天早晨帮过我的粉色头发女孩。她让我避免了迟到，所以我对她有明显的感激和亲近感。"}

events.jsonl 更适合追加；memory.jsonl 更适合更新、合并、改名和删除。

当前 actor 集成边界 ​

simulator.actor 主 run 不直接读取完整 events.jsonl 或 memory.jsonl，但当前也没有自动流程替它检索。一次调用只会消费 soul.md、当前 actor-facing message，以及调用方已经显式放进消息的 actor-safe 信息。

未来的 workflow/job 应显式完成下面的链路：

  1. 根据当前 actor-facing packet 构造检索 query。
  2. 用 subject_rag_search 分别检索当前 subject 的 events / memory。
  3. rerank、去重、过滤并压缩为 actor-safe context。
  4. 通过 actor-facing message 注入 actor-safe context。
  5. actor 返回后，再由外部流程按明确规则调用 subject_event_append / subject_memory_update。

仓库当前尚未提供这条内置自动 workflow。因此，仅配置 Embedding 或准备 JSONL 文件不会让 actor 自动获得长期记忆。

RAG 索引 ​

Subject RAG 使用 Project 内的可重建缓存：

text
{project}/.nbook/subject-rag.sqlite

事实来源仍然是 events.jsonl 和 memory.jsonl。索引只用于加速检索，可以删除后重建；删除索引不会删除角色记忆。

检索被限制在当前 subject 内。实现上，索引按 subject_path 和 source_type 分区，避免 actor 召回其他 subject 的私有记忆。

写入记忆时，工具只标记 dirty。下一次 subject_rag_search 搜索前，会检查 source hash 和 dirty 状态，必要时同步重建对应索引。

如果你更换了 embedding 模型或维度，旧索引会明确报错。第一版处理方式是删除 {project}/.nbook/subject-rag.sqlite，让下一次检索重新建立索引。

Embedding 设置 ​

Subject RAG 需要独立的 embedding 服务。它不使用 Pi 的 chat / vision 模型目录。

在设置里打开 Embedding tab：

  • Global scope 配置 OpenAI-compatible embedding 服务、API Key、Base URL、模型名和维度。
  • Project scope 只能覆盖当前 Project 的模型名和维度。

RAG 调用：

text
POST {baseURL}/embeddings

如果 embedding 没启用，或缺少 model、dimensions、API Key、Base URL，subject_rag_search 会明确失败，不会偷偷退回关键词搜索。

只有显式调用 subject_rag_search 时才会出现这类配置错误。当前 actor run 不会自动触发检索；没有错误也不能证明长期记忆已经生效。

使用边界 ​

Subject RAG 第一版只做这些事：

  • 检索当前 subject 的 events.jsonl。
  • 检索当前 subject 的 memory.jsonl。
  • 为显式 workflow/job 构造 actor-safe 记忆摘要提供底层能力。
  • 为受控的外部记忆维护流程提供追加和整理工具。

它暂时不做：

  • lorebook RAG。
  • Project 全局 RAG。
  • GraphRAG。
  • 自动 who-knows-what 知识图。
  • 旧 events.md / knowledge.md 自动迁移。

继续阅读 ​