Pangu — AI skill for Claude Code

盘古（Pangu）— AI Agent 多模态记忆系统

v0.1.0 · 分层工具暴露 · MCP Server + REST API · 让 Agent 拥有会遗忘、会联想、会巩固的长期记忆

盘古以"记忆宫殿"为隐喻，把 Agent 的记忆组织为 **Wing（翼）→ Room（房间）→ Drawer（抽屉）** 三级空间， 配以 **混合检索（向量 + 全文 + RRF）**、**艾宾浩斯个性化遗忘曲线**、**海马体神经激活扩散** 与 **睡眠式夜间巩固**，让记忆不是无限堆砌的日志，而是随时间演化、越用越准的知识体系。

核心能力

能力	说明
🧠 记忆宫殿	Wing→Room→Drawer 三级组织，7 种语义殿堂分类（事实/事件/发现/偏好/建议/概念/关系），跨翼 Tunnel 联通
✍️ 摄入管道	标准脱敏 → 可选 Fernet 加密 → 三级去重（精确 / 语义余弦 0.92 / 文本重叠）→ 重复记忆自动 boost
🔍 混合检索	ONNX 本地向量（all-MiniLM-L6-v2 INT8，384 维）+ SQLite FTS5（jieba 中文分词）+ RRF 倒数排名融合（k=60）+ 多维重排
🌊 神经激活扩散	top-K 命中做 spreading activation（深度 3、衰减 0.6），把关联记忆一并唤醒
⏳ 个性化遗忘	艾宾浩斯式衰减曲线按记忆类型（情景 0.6 / 语义 0.15 / 程序 0.08 / 情绪 0.3）区分速率；凌晨 3-5 点夜间巩固因子；低于底限自动归档
📚 四层记忆栈	L0 身份层 → L1 概要层 → L2 按需层 → L3 深度搜索，动态 token 预算（1000→3000）随记忆规模伸缩
🔐 安全	Fernet 记忆级加密、MemorySanitizer 标准脱敏、JWT / API-Key / RBAC / ABAC 四层鉴权
🕸️ 知识结晶	LLM 生成 WikiPage 知识页、Wikilink 实体抽取、知识图谱可视化
🔄 自动沉淀	MCP 工具调用透明采集（SelfImproveWorker）、会话桥接摘要、git hook、文件监控
🖥️ 三形态接入	MCP stdio / MCP streamable-HTTP + REST/WebSocket / 独立 Web 服务
🧩 多模态	图片（Pillow）/ 音频（whisper）/ PDF（pypdf）内容进记忆

快速开始

# 安装（Python ≥ 3.11）
pip install -e .

**依赖说明**

核心依赖**不含** `torch` / `sentence-transformers` / `chromadb` / `openai-whisper`。 这些包会传递引入约 1.3GB 的 CUDA 轮子（`nvidia-cudnn` 620MB、`nvidia-cublas` 517MB、`triton` 216MB 等），而它们的代码路径**全部是惰性导入**，在无 GPU 的机器上 永不执行：

包	引用位置	是否影响启动
sentence-transformers	pangu/search/embedder.py:74（@property model 内）	否，默认走 ONNX
torch	pangu/memory/image_engine.py:85,111,139（CLIP 图像向量）	否，try/except 降级
openai-whisper	pangu/memory/audio_engine.py:34（@property whisper 内）	否，失败降级
chromadb	全库无 import，仅 config.backend 默认值	否

默认嵌入路径是 **ONNX**（`onnx_enabled` 默认为 `True`，见 `pangu/core/config.py:135`）， 无需 torch。实测在 aarch64 无 GPU 环境下：核心依赖 **56 包 / 236MB / 约 20 秒**装完； 而包含 torch 的完