配置参考
LivingMemory 的默认配置已经适合大多数场景。真正需要调整的通常是模型 Provider、召回规模、记忆隔离、图谱检索和备份清理。
推荐配置模板
| 场景 | 建议 |
|---|---|
| 新手默认使用 | 只配置 provider_settings.llm_provider_id 和 provider_settings.embedding_provider_id，其他保持默认 |
| 私聊长期助手 | 开启人格隔离和会话隔离，summary_trigger_rounds 保持 8-12 |
| 群聊陪伴 | 开启 session_manager.enable_full_group_capture，适当增大 context_window_size |
| 低配服务器 | 减小 index_rebuild_settings.embedding_batch_size，保持 tasks_limit = 1，增大请求间隔 |
| 高质量召回 | 开启图记忆和原子化，recall_engine.top_k 设置为 5-8 |
| 成本敏感 | 降低 top_k，关闭跨轮次扩展检索，适当增大总结触发轮次 |
模型 Provider
| 配置项 | 默认 | 说明 |
|---|---|---|
provider_settings.embedding_provider_id | 空 | 用于向量化记忆。留空使用 AstrBot 默认 Embedding Provider |
provider_settings.llm_provider_id | 空 | 用于总结对话和评估记忆重要性。留空使用 AstrBot 默认 LLM |
建议 Embedding 模型保持稳定，不要频繁更换。更换 Embedding 后，如发现旧记忆召回异常，可执行 /lmem rebuild-index。
会话管理
| 配置项 | 默认 | 说明 |
|---|---|---|
session_manager.enable_full_group_capture | true | 捕获群聊中未直接 @Bot 的消息，用于建立完整群聊背景 |
session_manager.context_window_size | 50 | 传给总结与上下文分析的历史消息窗口 |
session_manager.max_messages_per_session | 1000 | 单会话数据库保留消息上限 |
session_manager.cleanup_batch_size | 50 | 超限后每批清理的已总结旧消息数量 |
群聊消息量很大时，可以适当降低 context_window_size 或关闭全量群聊捕获。
召回与注入
| 配置项 | 默认 | 说明 |
|---|---|---|
recall_engine.top_k | 5 | 每轮自动召回的记忆数量 |
recall_engine.max_k | 10 | Agent 主动检索工具允许返回的最大数量 |
recall_engine.importance_weight | 1.0 | 重要性在最终排序中的权重 |
recall_engine.fallback_to_vector | true | 混合检索失败时降级到向量检索 |
recall_engine.injection_method | extra_user_content | 记忆注入到 LLM 请求的位置或形式 |
recall_engine.inject_with_recent_context | false | 是否拼接最近对话扩展查询 |
recall_engine.search_cache_enabled | true | 是否启用短期检索缓存 |
extra_user_content 是最稳妥的默认注入方式。Gemini Provider 下选择 fake_tool_call 会自动降级到 extra_user_content；DeepSeek V4 thinking 模式现在可以直接使用普通 fake_tool_call，旧的 fake_tool_call_deepseek_v4 仅作为兼容别名保留，并会自动回退到 fake_tool_call。
记忆隔离
| 配置项 | 默认 | 说明 |
|---|---|---|
filtering_settings.use_persona_filtering | true | 只召回当前人格相关记忆 |
filtering_settings.use_session_filtering | true | 只召回当前会话相关记忆 |
如果你希望不同群或不同私聊共享同一批长期记忆，可以关闭会话隔离；如果机器人有多个明显不同的人格，建议始终开启人格隔离。
总结与生命周期
| 配置项 | 默认 | 说明 |
|---|---|---|
reflection_engine.summary_trigger_rounds | 10 | 达到多少轮对话后触发总结 |
importance_decay.decay_rate | 0.01 | 每日重要性衰减比例 |
importance_decay.access_decay_window_days | 30.0 | 访问强化的时间窗口 |
importance_decay.access_decay_max_count | 10 | 最大访问强化次数 |
如果你希望机器人更快记住短期上下文，可以降低 summary_trigger_rounds；如果希望减少 LLM 调用成本，可以提高它。
Agent 主动工具
| 配置项 | 默认 | 说明 |
|---|---|---|
agent_tools.enable_recall_tool | true | 注册 recall_long_term_memory，允许 Agent 主动检索长期记忆 |
agent_tools.enable_memorize_tool | false | 注册 memorize_long_term_memory，允许 Agent 主动写入长期记忆 |
主动写入工具更强，也更需要模型自律。建议先只开启主动回忆，确认效果稳定后再启用主动写入。
图记忆与原子化
| 配置项 | 默认 | 说明 |
|---|---|---|
graph_memory.enabled | true | 启用图谱路线检索 |
graph_memory.document_route_weight | 0.65 | 文档路权重 |
graph_memory.graph_route_weight | 0.35 | 图路权重 |
graph_memory.cross_route_bonus | 0.08 | 同时命中文档路和图路时的加分 |
graph_memory.expansion_hops | 1 | 图谱邻居扩展跳数 |
graph_memory.dynamic_route_weighting | true | 根据查询意图动态调整路由权重 |
graph_memory.atom_enabled | true | 启用记忆原子化 |
关系型问题较多时，可以提高图路权重或把 expansion_hops 调到 2。如果你的数据库很大，二跳扩展会增加查询开销，建议先观察 WebUI 召回调试结果。
备份、迁移与清理
| 配置项 | 默认 | 说明 |
|---|---|---|
migration_settings.auto_migrate | true | 启动时自动迁移旧数据库 |
migration_settings.create_backup | true | 迁移前自动备份 |
backup_settings.enabled | true | 每日自动备份数据库 |
backup_settings.keep_days | 7 | 自动备份保留天数 |
forgetting_agent.auto_cleanup_enabled | true | 每日清理久远且低重要性记忆 |
forgetting_agent.cleanup_days_threshold | 30 | 进入清理候选的天数 |
forgetting_agent.cleanup_importance_threshold | 0.3 | 清理候选的重要性阈值 |
生产使用建议保持备份和迁移备份开启。清理策略偏保守时，可以提高天数阈值或降低重要性阈值。
索引重建调优
| 配置项 | 默认 | 说明 |
|---|---|---|
index_rebuild_settings.batch_size | 50 | 每批读取的记忆条数 |
index_rebuild_settings.embedding_batch_size | 8 | 单次 Embedding 请求包含的文本数量 |
index_rebuild_settings.tasks_limit | 1 | Embedding 并发上限 |
index_rebuild_settings.max_retries | 5 | 单批失败重试次数 |
index_rebuild_settings.request_delay | 5.0 | Embedding 请求间隔 |
index_rebuild_settings.max_failure_ratio | 0.02 | 允许失败比例 |
如果遇到 API 限流，优先增大 request_delay，再降低 embedding_batch_size。不要盲目提高并发，索引重建更看重稳定完成。