lossless-memory：为个人 AI 打造不压缩原文、全量带时间戳的长期记忆层

核心能力与快速开始

★ 102 · Python

能做什么

以原始 JSONL 日志为唯一事实来源，逐条保留每轮对话原文，不进行任何摘要；每条记录带 ISO-8601 时间戳并构成时间主轴的索引基础。提供统一的 recall 查询入口，先解析时间短语（相对时间目前仅支持日语，绝对日期任意语言）限定时间范围，再在范围内用 SQLite FTS5 精确检索并按时间顺序返回未摘要原文；范围内精确结果不足时回退到 sqlite-vec 语义检索，并在输出头部如实标注。LLL 话题标记索引记录对话话题切换，可由人工设置优先级与完成标记，注入模型上下文以在上下文压缩或跨会话后维持「当前在聊什么」。附带定时增量重建索引的守护进程（默认 10 分钟），可从原始日志完整重建全部索引，并能检测源文件被改写后只重建对应日期。

适用场景

为长期每日对话的个人 AI 助手提供可追溯的长期记忆，回答「上周二晚上我们决定了什么」这类带时间限定、需要原话而非改写的问题。在模型上下文窗口被压缩或开启新会话后，通过注入 LLL 话题索引继续同一话题。单机、单用户场景下在本地保存并检索全部对话历史，索引可随时从原始日志重建。也可作为理解「时间优先检索 + 原始日志不摘要」记忆设计的参考实现。

项目形态

可直接使用的工具

部署方式

本地、单机运行，无服务器、无云端，基于文件的 JSONL 日志加 SQLite；含定时增量重建索引的守护进程（默认每 10 分钟）。README 未说明容器化或其他部署方式。

主要依赖

Python，可通过 pip install -e . 安装；需复制 config.example.json 为 config.json 并配置名称与路径；语义检索依赖本地嵌入模型 sentence-transformers，CPU 可用、GPU 可选。其余硬件与依赖版本要求未说明。

使用限制

仅面向单用户单机，无多租户方案；相对时间短语（昨天、上周、3 天前）目前仅支持日语解析，英文需使用绝对日期；主要日志格式为 Claude Code 的 JSONL，通用 {ts, role, text} 导入器虽有但使用经验较少；无公开基准测试，给出的数字均为运行实测而非与其他系统的对比；官方明确其为单机个人记忆层而非通用向量数据库封装或摘要器。

许可证

MIT

最近推送

2026-09-05 16:32

资料检查：2026-09-23 07:00 · 卡片整理：2026-09-23 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为本地长期记忆层，为个人 AI 助手保存不压缩的原始对话日志（JSONL 七字段记录），并基于时间轴（Temporal Backbone）与 SQLite FTS5 精确索引按时间范围检索原始文本，供程序员在开发个人 AI 助手时复用其记忆与检索实现。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证