kldhsh123/Afterglow

解决的问题

Afterglow 旨在通过使用真实的历史聊天记录，重现与特定人物聊天的感觉。它允许用户构建一个数字伴侣，模拟真实个体的性格、表达方式和共同记忆，而无需微调底层 LLM。

工作原理

该系统使用检索增强生成（RAG）管道，并结合人设管理。它通过一个管道处理导入的聊天记录（来自 QQ、微信和抖音等平台），该管道负责清理、分割和向量化文本。

主要组件包括：

• 混合检索：一个五路向量召回系统，使用 RRF（倒数排名融合）检索相关的历史文本、图像摘要和实时记忆。
• 人设与状态管理：维护人设卡片、昼夜（睡眠/清醒）档案和生活状态，以确保 AI 的回复在时间背景和人物习惯方面得体。
• 离线分析：诸如 xuwen analyze 之类的工具，从聊天历史生成时间线和性格报告，进一步优化 AI 的行为。
• OpenAI 兼容 API：后端提供 API，使系统能够连接到各种第三方客户端或机器人（例如 QQBot、WeiXinBot）。

目标用户

希望保留亲人或朋友的语言风格和记忆的个人，或希望基于真实交互数据创建高度个性化 AI 伴侣的用户。

亮点

• 多源导入：支持多种聊天导出格式，包括来自多个社交平台的 JSON 和 JSONL。
• 本地优先隐私：使用 LanceDB 进行向量和人设的本地存储，支持 PII 脱敏和离线模型服务。
• 主动消息：包含一个引擎，可以根据分析出的性格特征和日程主动发起对话。
• 记忆分层：区分真实人类历史、新用户消息和 AI 生成的回复，防止 AI 内容污染长期人设。