tkmind/memind

Fork 0

Files

T

john ea19ffb5fa feat: improve mindspace asset handling and local runtime paths

2026-06-28 12:18:26 +08:00

11 KiB

Raw Blame History

Memind 打通 AI Mind 项目评估报告

日期：2026-06-24
范围：/Users/john/Project/Memind 与 /Users/john/PycharmProjects/ai_mind
状态：只读评估结论整理，后续可继续深化方案与实施拆解

1. 结论

Memind 可以与 AI Mind 项目关联，而且关联价值很高。

推荐方向不是把两个项目合并，也不是直接共享数据库表，而是让 Memind 继续作为入口、账号、MindSpace、H5 体验和代理层，让 AI Mind 作为长期记忆、数字人格、认知画像、人生流与 persona runtime 的认知后端。

一句话概括：

Memind 负责人机入口，AI Mind 负责脑和性格。

综合判断：

可行性：8/10
推荐度：9/10
直接合并推荐度：2/10

最合理的路线是先做轻量桥接，再做记忆回流，最后做深度融合。

2. 当前项目角色判断

2.1 Memind 的现状

Memind 当前更像 H5 入口、门户、用户空间、会话代理和 MindSpace 体验层。

它已有：

用户体系：h5_users
Agent 会话归属：h5_user_sessions
TKMind API proxy
Goose/agent session 转发链路
MindSpace 页面、资料、发布、广场、微信接入、计费等业务能力
轻量用户偏好画像：.tkmind-profile.json

其中 .tkmind-profile.json 更像面向 Goose 会话的用户偏好卡片，字段包括语言、回复风格、偏好列表等。它可以提供基础记忆提示，但不是完整长期认知系统。

2.2 AI Mind 的现状

AI Mind 是一个更完整的认知与数字人格后端。

它已有：

FastAPI /api/v1/* API 体系
chat、memory、profile、persona、life_stream、coremind 等正式路由
长期记忆：memory_items、memory_chunks、memory_vectors
用户认知画像：user_cognitive_profile
数字人体系：digital_personas、persona_conversations、persona_messages
数字人画像、知识库、技能、反思、自我核心、自治策略
人生流 L1/L2/Phase3、profile evidence、memory bridge
Persona external API，可供外部系统调用数字人对话与画像

AI Mind 中的 persona context 已经能把用户画像、长期记忆、知识库和技能聚合成 prompt 上下文。这正是 Memind 想要获得的“真的有记忆、性格、特征”的能力基础。

3. 可关联的关键依据

3.1 Memind 已有代理层，适合接外部认知服务

Memind 服务端已经存在 TKMind API proxy。该代理层会处理：

登录态校验
当前用户解析
会话归属校验
上游 API 转发
LLM provider 应用
策略与能力检查

这意味着 AI Mind 可以作为外部认知服务接入，而不需要先改造整个 Memind 会话系统。

3.2 AI Mind 已有外部数字人接口

AI Mind 已有：

POST /api/v1/persona/external/chat
GET /api/v1/persona/external/profile
POST /api/v1/persona/external/profile

这些接口通过 X-API-Token 识别外部启用的数字人，可返回人格化回复、conversation_id、persona_id、resource_summary、response_mode、画像与成长指标等。

这非常适合作为 Memind 的第一阶段桥接入口。

3.3 AI Mind 已有人生流投递接口

AI Mind 的 life_stream 支持：

JWT 鉴权
或 X-Life-Stream-Ingest-Key + X-Life-Stream-User-Id 机机投递

Memind 可以把重要对话、MindSpace 页面、资料摘要、微信消息摘要、用户行为事件投递为 life_stream event，由 AI Mind 进一步生成分析、证据、记忆、画像和 persona pipeline。

4. 推荐架构

推荐采用三层桥接架构：

用户
  |
  v
Memind H5 / MindSpace / 微信 / Plaza
  |
  v
Memind Bridge Layer
  |-- 调用 AI Mind persona external chat
  |-- 投递 AI Mind life_stream events
  |-- 拉取 AI Mind persona profile / memory summary
  |
  v
AI Mind
  |-- 用户画像
  |-- 长期记忆
  |-- 数字人格
  |-- 人生流
  |-- coremind / runtime

职责边界：

Memind 保留入口、账号、空间、页面、发布、微信、广场、计费和 agent session。
AI Mind 提供记忆、人格、认知画像、数字人对话、人生流分析和长期沉淀。
Bridge Layer 负责身份映射、Token 管理、调用限流、错误降级和审计。

5. 最小可验证版本

最小 MVP 可以这样做：

在 Memind 配置 AI Mind 地址，例如 AI_MIND_BASE_URL=http://127.0.0.1:18000。
为 Memind 用户绑定一个 AI Mind 用户和默认 persona。
保存该 persona 的 external token。
Memind 新增一个“人格对话/记忆增强”调用：
- POST /api/v1/persona/external/chat
- Header: X-API-Token: <external_token>
- Body: message、conversation_id、external_user_id
Memind 异步投递重要事件：
- POST /api/v1/life-stream/events
- Header: X-Life-Stream-Ingest-Key
- Header: X-Life-Stream-User-Id
Memind 拉取画像：
- GET /api/v1/persona/external/profile
在前端展示数字人的成长阶段、记忆分、技能分、画像摘要等。

这个版本可以在不破坏现有 Goose agent、计费、微信和 MindSpace 链路的情况下验证核心价值。

6. 身份映射设计建议

这是整个集成最关键的部分。

Memind 用户 ID 是 UUID 字符串：

h5_users.id CHAR(36)

AI Mind 用户 ID 是自增整数：

users.id Integer

因此不能直接共享 user_id，也不建议互相引用对方数据库外键。

建议增加一张 Memind 侧或独立桥接侧映射表：

memind_ai_mind_bindings

建议字段：

id
memind_user_id
ai_mind_user_id
default_persona_id
persona_external_token
external_user_id
enabled
scopes
created_at
updated_at
last_sync_at

其中：

memind_user_id 对应 h5_users.id
ai_mind_user_id 对应 AI Mind users.id
default_persona_id 对应 AI Mind digital_personas.id
persona_external_token 用于调用 /api/v1/persona/external/chat
external_user_id 可以稳定使用 memind:<h5_user_id>，避免多端混淆
scopes 可控制允许 chat、profile、life_stream、memory_read 等能力

7. 推荐分阶段路线

阶段一：轻量桥接

目标：先让 Memind 能调用 AI Mind 数字人，并能读取数字人画像。

动作：

新增 AI Mind bridge client
新增用户绑定配置
增加 persona external chat 调用
增加 persona profile 拉取
前端提供一个最小入口或隐藏实验入口

收益：

低风险
快速验证“人格化回复”和“画像展示”
不影响原有 agent session 主链路

阶段二：记忆回流

目标：让 Memind 的真实用户行为成为 AI Mind 长期记忆和画像原料。

动作：

把重要对话摘要投递到 life_stream
把 MindSpace 页面保存、编辑、发布事件投递到 life_stream
把微信重要消息摘要投递到 life_stream
开启 AI Mind 的 life_stream analysis、memory bridge、profile evidence merge

收益：

AI Mind 开始持续学习用户
数字人能逐渐拥有更稳定的记忆、性格和特征
Memind 的空间内容不再只是文件，而是可认知的生命流材料

阶段三：深度融合

目标：让 AI Mind 的人格与记忆反向增强 Memind 的 Goose/agent 会话。

动作：

Memind agent session 启动或恢复时，从 AI Mind 拉 persona context
把 persona context 注入 Goose 会话上下文
支持用户切换不同 persona 作为对话人格层
支持对话后的高价值内容自动回写 AI Mind

收益：

Memind 主对话获得长期记忆
不同数字人格可在同一入口中体现不同性格和能力
MindSpace、Agent、微信、人生流形成闭环

8. 不建议的方案

8.1 不建议直接合并项目

Memind 是 Node/React/Express/Vite 体系，AI Mind 是 Python/FastAPI/Vue 体系。直接合并会引入运行时、依赖、部署、鉴权、数据库迁移等复杂问题。

8.2 不建议直接共享数据库表

两边用户 ID、权限模型、数据生命周期、业务边界不同。直接共享表容易造成：

用户串号
Token 泄漏
权限误用
数据一致性问题
后续迁移困难

8.3 不建议立刻替换 Memind 主聊天链路

Memind 当前 /sessions/:id/reply 链路已有：

会话归属
策略控制
能力检查
计费
SSE
LLM provider fallback

第一阶段应采用旁路增强，而不是直接接管全部聊天。

9. 主要风险与缓解

9.1 身份映射风险

风险：Memind 用户和 AI Mind 用户映射错误，导致记忆或数字人串号。

缓解：

使用显式绑定表
所有调用带 external_user_id
调用前校验 binding enabled 和 scopes
管理后台可查看与解绑

9.2 Token 安全风险

风险：AI Mind persona external token 泄漏或配置错。

缓解：

Token 仅服务端保存
前端不暴露 external token
绑定表支持禁用和轮换
所有调用写审计日志

9.3 记忆污染风险

风险：低价值、错误、临时内容进入长期记忆。

缓解：

life_stream 投递先标记 source、privacy_class、metadata
只投递摘要或高价值事件
用户显式删除/忘记时要回写 AI Mind
长期记忆写入应走 AI Mind 已有置信度和候选审核机制

9.4 体验延迟风险

风险：persona deep mode 可能比普通聊天慢。

缓解：

首阶段作为独立人格入口，不阻塞主 agent
对短消息允许 style_only 或降级
缓存 profile
后台异步投递 life_stream

9.5 服务可用性风险

风险：AI Mind 不可用时影响 Memind。

缓解：

Bridge client 设置超时
AI Mind 调用失败时降级为普通 Memind/Goose 回复
UI 显示“记忆增强暂不可用”
不让 AI Mind 成为 Memind 基础功能的强依赖

10. 后续分析问题

后续可继续深入以下问题：

Memind 用户与 AI Mind 用户是否已有线上对应关系？
是否要为每个 Memind 用户自动创建 AI Mind 用户和默认 persona？
默认 persona 是“用户的数字分身”，还是“陪伴型助手人格”？
哪些 Memind 事件应该进入 life_stream？
哪些内容只做短期上下文，不进入长期记忆？
用户如何查看、删除、纠正 AI Mind 记住的内容？
是否需要在 Memind 管理后台增加 AI Mind 绑定和诊断页？
MVP 是先做个人实验入口，还是直接作为正式功能灰度？
是否要把 MindSpace 页面摘要同步为 persona knowledge，而不仅是 life_stream？
是否需要单独的隐私分级和用户授权开关？

11. 建议的下一步

建议下一步先做一份实施设计，不急着写代码：

定义 binding 表结构
定义 AI Mind bridge client API
定义 persona chat 调用协议
定义 life_stream event 映射规范
定义前端入口和降级体验
定义审计日志和安全边界
列出 MVP 验收用例

完成这些后，再进入代码实现会更稳。

11 KiB Raw Blame History Unescape Escape