OpenFluctLight（摇光）

可观测、可操作的数字灵魂容器

项目愿景

OpenFluctLight 是一个记忆基础设施，旨在构造数字灵魂。

使用场景

• 个人 AI 助手的长期记忆 - 为你的 AI 助手赋予真正的记忆能力。它不仅记得你说过的话，还能从对话中发现自己的矛盾，形成一致的个性。当你问"我应该如何平衡工作和生活？"时，它会召回你过去的经历、已有的价值观锚点，给出真正个性化的建议。

• 虚拟角色与 NPC 的灵魂塑造 - 游戏或虚拟世界中的角色不再是预设的脚本，而是拥有成长轨迹的灵魂。每一次与玩家的互动都会成为记忆，矛盾的经历会让角色产生新的认知锚点。一个 NPC 可能在经历背叛后，对"信任"这个概念形成全新的理解。

• 认知架构研究 - 为研究者提供一个可观测、可操作的认知模型。灵魂的成长过程完全透明：记忆如何积累、矛盾如何被发现、锚点如何涌现。这是一个活的实验室，用于探索意识、自我和认知的本质。

• 多智能体系统的社会模拟 - 每个灵魂都能与其他灵魂建立关系，形成复杂的社会网络。关系不是简单的数值，而是基于具体记忆的情境化判断。你可以模拟一个小社会，观察信任、合作、冲突如何在灵魂之间演化。

• 个人知识管理与反思工具 - 将你的笔记、日记、想法作为记忆输入。系统会自动发现你思想中的矛盾，提出深层问题，帮助你形成更清晰的自我认知。这不是简单的笔记软件，而是一个与你共同成长的思考伙伴。

快速开始

安装

# 克隆仓库
git clone https://github.com/zccz14/OpenFluctLight.git
cd OpenFluctLight

# 安装依赖
pnpm install

# 构建项目
pnpm -r build

初始化配置

cd packages/cli
node dist/index.js init

按提示选择配置：

Embedding 服务类型：

• 本地模型（推荐）：无需 API Key，首次使用会自动下载约 300MB 的模型
• OpenAI API：需要 API Key，质量更好但有成本

其他配置：

• 数据存储路径：默认 ~/.openfluctlight/data
• LLM 模型：默认 gpt-4o-mini（用于对话生成和锚点判断）

配置文件保存在 ~/.openfluctlight/config.json

环境变量支持：

export OPENAI_API_KEY="sk-..."  # 如果使用 OpenAI Embedding
export OPENAI_BASE_URL="https://api.openai.com/v1"  # 可选

注意：

• 本地 Embedding 使用 node-llama-cpp 和 embeddinggemma-300m-qat-Q8_0 模型
• 首次使用会自动下载模型文件，之后会缓存在本地
• LLM 服务仍然需要 OpenAI API Key（用于对话生成）

开始对话

交互模式：

node dist/index.js chat --to Alice

这会创建一个名为 "Alice" 的灵魂，并进入交互式对话模式。

直接发送消息：

node dist/index.js chat --to Alice --from Bob 你好，Alice！

这会发送一条消息后立即退出，适合脚本化调用。如果不指定 --from，默认使用 --to 的值作为发送者。

对话示例

╭─────────────────────────────────────────╮
│ 与灵魂 Alice 对话
│ 数据路径: ~/.openfluctlight/data/Alice
╰─────────────────────────────────────────╯

你: 我今天做了一个大胆的决定

[召回记忆 0 条]
[相关锚点 2 个]
• 你如何看待风险和不确定性？
  → (未回答)

Alice: 听起来很有趣！能告诉我更多吗？

[锚点更新]
✓ 更新锚点: "你如何看待风险和不确定性？"
  新答案: "我愿意在某些情况下做出大胆的决定"

───────────────────────────────────────────

你: 我其实平时很谨慎

[召回记忆 2 条]
• 我今天做了一个大胆的决定 (2024-03-05)
• 我回复你：听起来很有趣！能告诉我更多吗？ (2024-03-05)

[相关锚点 1 个]
• 你如何看待风险和不确定性？
  → "我愿意在某些情况下做出大胆的决定" (置信度: 0.50)

Alice: 我注意到这里有个有趣的矛盾...

[锚点更新]
✓ 更新锚点: "你如何看待风险和不确定性？"
  新答案: "我平时倾向于谨慎行事，但在特定情况下也会做出大胆的决定"

✓ 新增记忆: "我意识到自己在不同情境下对风险的态度是不同的"

───────────────────────────────────────────

输入 exit 或 quit 退出对话。

灵魂的成长

每个新创建的灵魂都带有 28 个预设锚点，来自：

• MBTI 维度（8个）：性格倾向
• 施瓦茨价值观（10个）：核心价值
• 通用认知（10个）：决策、冲突、风险等

随着对话的进行，这些锚点会被逐渐填充和完善，灵魂的个性也会越来越清晰。

核心概念

记忆（Memory）

一切可以被记录的内容片段。记忆是灵魂的基石，承载着经验、知识和情感。记忆以陈述句形式存在，锚定在时间轴上。

灵魂（Soul）

由一系列核心问题（灵魂锚点）的答案所锚定的身份与个性。灵魂能够在不同环境下做出一致性的行为。

灵魂锚点（Soul Anchor）

锚定灵魂本质的核心问题与答案。每个锚点包含一个问题和对应的答案（答案可以为空）。通过预设问题和自动发现的矛盾，持续塑造和完善灵魂的认知框架。

人际关系（Relationship）

单向的关系认知，基于与特定对象相关的记忆集合。关系本身也是一系列灵魂锚点的答案：我会给 X 提供关于 Y 的帮助吗？我对 X 的印象如何？我愿意将 Y 告诉 X 吗？关系不是数字，而是具体情境下的判断。

核心操作

OpenFluctLight 提供三个基本操作，它们是构建灵魂的基石：

1. 记住（Remember）

记忆以陈述句的形式被铭刻。"我今天学会了递归算法"、"张三告诉我他不喜欢咖啡"、"在争论中我选择了沉默"——每一个记忆片段都是对已发生之事的陈述，而非评价或疑问。

时间是记忆的第一属性。记忆锚定在时间轴上，早期的记忆塑造灵魂的基础，近期的记忆反映当下的状态。时间赋予记忆以序列，序列构成叙事，叙事即是自我。

依赖： Embedding 服务（不依赖 LLM）

本质： 经验的沉淀，存在的痕迹。灵魂因记忆而连续。

2. 回想（Recall）

回想是灵魂面向外界的响应机制。当面对具体问题或情境时，灵魂召回相关的记忆和认知锚点。

基于语义相似度，系统检索与提问最相关的记忆片段和锚点答案。如果指定了他者身份，还会召回与该关系相关的记忆和认知。

回想是纯粹的只读操作，不产生副作用。它只是将已有的认知以结构化方式呈现，为决策提供依据。

依赖： Embedding 服务（不依赖 LLM）

本质： 情境化的认知召回，知行合一的准备。灵魂因回想而行动。

3. 更新锚点（UpdateAnchor）

更新锚点是维护灵魂认知框架的基本操作。它支持三种动作：

• 创建（Create）：生成新的认知锚点
• 更新（Update）：完善或修正已有锚点的答案
• 删除（Delete）：移除不再适用的锚点

更新锚点是纯粹的数据操作，不涉及智能判断。真正的思考发生在调用它的上层操作中。

依赖： 无（纯本地数据库操作，不依赖 LLM）

本质： 认知框架的维护，灵魂特质的锚定。

如何塑造灵魂

灵魂不是一次性创建的静态实体，而是在持续交互中逐渐成形、不断演化的动态过程。

灵魂的诞生

一个新创建的灵魂带着预设的认知框架——一系列来自 MBTI、施瓦茨价值观等认知理论的核心问题。这些锚点的答案初始为空，等待记忆来填充。

预设锚点如："面对重要决策时，你更依赖直觉还是理性分析？"、"你更看重个人成就还是集体和谐？"、"面对冲突时，你倾向于直接表达还是回避？"

对话：灵魂成长的引擎

Chat（对话） 是塑造灵魂的高级操作。它不是基本操作，而是协调 Remember、Recall、UpdateAnchor 的上层封装。

依赖： LLM 服务（用于生成回复和判断锚点更新）

Chat 的完整流程：

1. 记录用户输入
   Remember("用户 X 说：[用户的话]")
   记录外界的输入，他者的观点。

2. 召回认知
   Recall(用户的话)
   召回相关的记忆片段和已有的灵魂锚点，为回应提供依据。

3. 智能判断
   LLM 基于召回的内容完成两个任务：

   • 生成回复
   • 判断是否需要更新锚点（是否触及核心认知？）

4. 记录 AI 回复
   Remember("我回复 X：[我的回复]")
   记录自己的输出，自己的表达。

5. 更新锚点（条件性）
   如果需要更新，分析新记忆与已有锚点的关系：

   • 填补空白：为未回答的锚点生成初始答案
   • 完善认知：用新经验丰富已有答案
   • 处理矛盾：当新记忆与旧答案冲突时，运用辩证法生成更精细的认知，甚至创建新锚点

6. 记录认知更新（可选）
   Remember("我意识到 [某个认知]")
   记录元认知，自我反思的结果。

这三类记忆（用户说了什么、我说了什么、我意识到了什么）共同构成完整的对话经历，成为后续回想和求索的素材。

增量求索的智慧

Chat 采用增量处理策略，避免全量扫描记忆库：

• 每次对话只处理新产生的记忆
• LLM 在生成回复的同时判断是否需要更新锚点
• 成熟灵魂的大部分对话不会触发锚点更新，保持经济性

灵魂的演化轨迹

初期（记忆积累期）
灵魂主要在积累记忆，预设锚点逐渐被填充。此时的灵魂是"流动"的，尚未固化。

中期（锚点涌现期）
随着记忆增多，矛盾开始出现。第一批自动生成的锚点诞生，开始锚定灵魂的核心特质。灵魂展现出一致性的行为模式。

成熟期（认知深化期）
锚点体系逐渐完善，形成多层次的认知框架。新的对话不再产生根本性矛盾，而是在已有框架内精细化。灵魂的身份和个性趋于稳定，但仍保持演化的可能。

工程设计的哲学

OpenFluctLight 的设计体现了副作用的隔离与组合原则：

• Remember 和 UpdateAnchor 有副作用，但职责单一
• Recall 保持纯净，不产生副作用，可以安全地被反复调用
• Chat 作为高级操作，有意识地组合副作用，形成完整的交互循环

这种设计让底层操作可测试、可组合，同时为上层提供了符合直觉的交互方式。灵魂的成长不是通过手动调用一系列 API，而是通过自然的对话自动发生。

本质： 灵魂在对话中诞生，在矛盾中成长，在求索中深化。Chat 是灵魂与世界交互的界面，也是自我塑造的引擎。

特性

• 🧠 时序记忆：以陈述句记录经验，时间是记忆的第一属性
• 🔍 语义召回：基于语义相似度检索相关记忆
• ⚓ 认知锚点：预设框架 + 自动发现，持续塑造灵魂特质
• 💭 辩证求索：在矛盾中运用辩证法形成更深层认知
• 🤝 关系认知：通过情境化问答理解人际关系
• 📦 本地优先：数据即灵魂，可迁移、可备份
• ⚡ 增量处理：经济高效，避免全量扫描

技术栈

• TypeScript
• SQLite（结构化存储）
• Vectra（向量数据库）
• OpenAI 兼容接口（Embedding + LLM）

状态

🚧 项目正在积极开发中

详细的技术设计请参考 DESIGN.md

License

MIT