Screenshots
亮色与暗色，滚动中平滑过渡
继续向下滚动，项目截图会从亮色主题逐渐过渡为暗色主题。
ME MEMORY 是一套具备主动记忆提取、语义混合检索、置信度累积与分层记忆架构的智能记忆系统。自动提炼偏好与身份，可视化记忆衰退，让大模型真正拥有不遗忘的记忆力。
从对话中自动提炼、检索、巩固与遗忘——把零散信息变成可信赖的长期知识。
每轮对话结束后自动分析内容，通过 LLM 提取值得记住的偏好、身份与重要事件，并自动分层归档。
BM25 + 规则评分先做粗召回，再经 Embedding 余弦相似度精排，兼顾召回率与精度，本地模型即刻响应。
同一信息被反复提及则置信度上升；出现否定词方向反转则自动冲突检测、旧记忆降级、新记忆接管。
500 字/块、80 字重叠的递归切分与摘要，最多两层递归，把 2000 字原文无损压缩为可检索要点。
核心记忆保底注入，搜索结果按排名动态分配字数；上下文窗口在 System / Memory / History 间智能分配。
基于双时间线模型，综合存储衰减、检索活跃、频率因子与时间分布，动态评估每条记忆的真实价值。
记忆按价值自动晋升：工作记忆 → 短期 → 长期 → 核心。核心记忆永不遗忘，短期记忆快速衰减。每 60 秒自动巩固一次。
力导向布局实时呈现记忆之间的关系：相似记忆相互吸引，不同层级以颜色区分。可拖拽、缩放、悬停查看详情。
继续向下滚动，项目截图会从亮色主题逐渐过渡为暗色主题。
无需手动维护，系统在后台完成提取、检索与注入的闭环。
像平常一样聊天。你提及偏好、身份或重要事件，系统照常回复。
每轮结束后，提取 LLM 解析对话，新建记忆或置信度匹配（冲突检测 + 强化）。
回答涉及用户的问题前，自动语义检索并分层注入上下文，再保存对话快照。
基于主流前端技术栈构建，Embedding 模型本地运行，无需后端服务器。
无需克隆代码，本地模型离线运行，数据完全留在你自己的环境。