每次都要重新交代，是 AI 助手最烦人的地方
换一个新会话，模型就忘了你上次定的命名规范；换一个项目，又要重新解释一遍部署约定。对话越长、项目越多，重复交代的成本越高。华宇记忆要解决的就是这件事：让模型跨会话、跨项目记住值得记住的东西。
华宇记忆（huayu-memory）是清大华宇AI 的持久记忆服务。模型在对话中确认的偏好、决策与规范，自动沉淀到记忆库；下次对话开始时，相关内容自动带出，无需再次交代。
记忆的三个环节
- 会话中。模型通过
memory_search/memory_save工具查询与保存记忆，既有主动归档，也能随时调取； - 每轮开始。按当前问题自动检索记忆库，命中内容以快照形式静默注入上下文，模型延续此前的语境与约定；
- 会话结束。自动提炼整段对话，把值得记住的结论与约定写入记忆库，留待下次使用。
记忆按命名空间隔离：全局记忆跨项目共享，项目记忆按工作目录自动归类，互不串扰。
混合检索：全文 + 向量
单靠关键词检索容易漏掉“意思相近、用词不同”的记忆；单靠向量检索又容易放进来一堆似是而非的内容。华宇记忆把两条路合并：
- SQLite FTS5 全文索引，精确命中关键词与术语；
- bge-m3 向量嵌入（1024 维），召回语义相近的记忆；
- 双重结果按相关度合并排序，既准又全。
嵌入模型在 CPU 上即可推理（约 2.3 GB），无需 GPU；模型不可用时自动降级为关键词检索，服务照常可用。
私有化部署：单容器，CPU 即可
记忆往往包含企业的内部约定与项目细节，数据出内网并不合适。华宇记忆设计为轻量私有化服务，单容器部署：
git clone git@github.com:LanHyperCloud/huayu-memory.git
cd huayu-memory
openssl rand -hex 24 > .key
echo "HUAYU_MEMORY_KEY=$(cat .key)" > .env
docker compose up -d
# 预热嵌入模型(首次下载 bge-m3,约 2.3 GB)
docker exec huayu-memory python -c "from app import embed; embed._load(); print(embed.state(), embed.dim())"
服务默认监听 8780 端口，数据保存在 data/ 卷中——SQLite 单文件，备份就是复制一个文件。访问通过 Authorization: Bearer <apiKey> 鉴权。
记忆服务是增强项：不可用时对话照常进行，不影响主流程。记忆库里的内容只在本地与内网流转，数据不出内网。
接入方式
- 清大华宇AI 开箱即用：在客户端配置中填好服务地址与密钥即可启用，无需额外开发；
- 自有系统接入：提供 REST API——
GET /v1/search混合检索、POST /v1/memories写入（按指纹去重）、POST /v1/refine规则提炼候选等，任何 Agent 系统都能对接。
获取
- 源代码：github.com/LanHyperCloud/huayu-memory
- 镜像：
ccr.ccs.tencentyun.com/lucky/huayu-memory:0.1.0 - 运维手册：备份、重启与清库见仓库 README。
让模型记住一次，以后每次都少交代一遍。