MemScheduler: 记忆组织调度器

MemScheduler 是一个与 MemOS 系统并行运行的并发记忆管理系统，它协调 AI 系统中工作记忆、长时记忆和激活记忆之间的记忆操作。它通过事件驱动调度处理记忆检索、更新和压缩。
该系统特别适合需要动态记忆管理的对话代理和推理系统。

主要特性

MemScheduler 系统围绕几个关键组件构建：

调度器通过带有专用处理器的调度器处理消息：

消息类型	处理器方法	描述
`QUERY_LABEL`	`_query_message_consume`	处理用户查询并触发检索
`ANSWER_LABEL`	`_answer_message_consume`	处理答案并更新记忆使用

调度器使用以下格式处理来自其队列的消息：

ScheduleMessageItem:

字段	类型	描述
`item_id`	`str`	UUID (自动生成) 用于唯一标识
`user_id`	`str`	关联用户的标识符
`mem_cube_id`	`str`	mem cube 的标识符
`label`	`str`	消息标签 (例如，`QUERY_LABEL`、`ANSWER_LABEL`)
`mem_cube`	`GeneralMemCube｜str`	mem cube 对象或引用
`content`	`str`	消息内容
`timestamp`	`datetime`	消息提交时间

同时调度器将按照以下结构发送调度消息。

ScheduleLogForWebItem:

字段	类型	描述	默认值
`item_id`	`str`	唯一日志条目标识符 (UUIDv4)	自动生成 (`uuid4()`)
`user_id`	`str`	关联用户标识符	(必需)
`mem_cube_id`	`str`	链接的 mem cube ID	(必需)
`label`	`str`	日志类别标识符	(必需)
`from_memory_type`	`str`	源记忆分区可能的值： - `"LongTermMemory"` - `"UserMemory"` - `"WorkingMemory"`	(必需)
`to_memory_type`	`str`	目标记忆分区	(必需)
`log_content`	`str`	详细日志消息	(必需)
`current_memory_sizes`	`MemorySizes`	当前记忆利用率	DEFAULT_MEMORY_SIZES = { "long_term_memory_size": -1, "user_memory_size": -1, "working_memory_size": -1, "transformed_act_memory_size": -1 }
`memory_capacities`	`MemoryCapacities`	记忆分区限制	DEFAULT_MEMORY_CAPACITIES = { "long_term_memory_capacity": 10000, "user_memory_capacity": 10000, "working_memory_capacity": 20, "transformed_act_memory_capacity": -1 }
`timestamp`	`datetime`	日志创建时间	自动设置 (`datetime.now`)

examples/mem_scheduler/schedule_w_memos.py 是一个演示脚本，展示如何使用 MemScheduler 模块。它说明了对话上下文中的记忆管理和检索。

此脚本演示了初始化和使用记忆调度器的两种方法：

该脚本模拟用户和助手之间关于宠物的对话，演示记忆调度器如何管理对话历史并检索相关信息。

记忆读取

大模型与Embedding调用