Mnemon

August 30, 2026 · View on GitHub

本文档说明如何将历史聊天记录或外部上下文批量导入 Mnemon 的记忆图谱。

工作流概览

聊天导出 / Markdown -> LLM 提取提示词 -> memory_draft.json -> mnemon import <file>

将原始聊天记录或笔记导出为 Markdown 或纯文本。
将文本连同下方的参考提示词一起发送给 LLM，生成符合本文档格式的 memory_draft.json。
运行 mnemon import memory_draft.json，Mnemon 自动完成去重、图谱边构建、可用时的向量嵌入和生命周期评分。

导入文件格式（`schema_version: "1"`）

{
  "schema_version": "1",
  "source": "chat-export",
  "insights": [
    {
      "content": "选择了 Qdrant 而非 Milvus 作为向量搜索引擎，主要原因是其过滤查询性能更好。",
      "category": "decision",
      "importance": 5,
      "tags": ["architecture", "search", "vector-db"],
      "entities": ["Qdrant", "Milvus"],
      "source": "agent",
      "created_at": "2024-03-15T09:30:00Z"
    },
    {
      "content": "用户偏好简洁的 API 响应，不希望看到多余的解释文本。",
      "category": "preference",
      "importance": 4,
      "tags": ["ux", "api"]
    }
  ],
  "edges": [
    {
      "source_index": 0,
      "target_index": 1,
      "edge_type": "causal",
      "weight": 0.7,
      "reason": "向量引擎选型决策影响了 API 响应设计偏好"
    }
  ]
}

字段说明

顶层字段

字段	类型	必填	说明
`schema_version`	string	是	必须为 `"1"`
`source`	string	否	整批导入的来源标签，如 `"chat-export"`、`"manual"`。单条 insight 可通过自身的 `source` 覆盖此值
`insights`	array	是	记忆节点列表，至少包含一项
`edges`	array	否	显式关系列表；Mnemon 的图引擎也会自动创建边，此处用于补充已知的强关联

insights 条目字段

字段	类型	必填	约束	说明
`content`	string	是	最多 8000 字符	记忆文本
`category`	string	否	见下表，默认 `general`	知识类型
`importance`	integer	否	1-5，默认 3	重要程度；影响保留优先级和排序
`tags`	array	否	最多 20 项，每项最多 100 字符	用于检索和过滤的自由标签
`entities`	array	否	最多 50 项，每项最多 200 字符	记忆中涉及的命名主体，如人名、项目名、工具、库或组织；会与 Mnemon 自动提取结果合并
`source`	string	否	-	覆盖顶层 `source`，表示该条记忆的具体来源
`created_at`	string	否	RFC 3339 格式	原始创建时间；省略时使用导入时间

category 可选值

值	适用场景
`preference`	用户偏好、习惯、风格要求
`decision`	已确定的技术或产品决策
`fact`	客观事实、数据、限制、规格参数
`insight`	推断、分析结论、经验总结
`context`	项目背景、状态、约束条件
`general`	其他不适合上述分类的记忆

importance 赋值建议

值	含义
5	核心决策或强烈偏好，应长期保留
4	重要上下文，通常需要保留
3	一般记忆，默认值
2	次要细节，后续可能被剪枝
1	临时或低价值信息

edges 条目字段

字段	类型	必填	约束	说明
`source_index`	integer	是	`insights` 数组的零基索引	边的起点
`target_index`	integer	是	不能等于 `source_index`	边的终点
`edge_type`	string	是	见下表	关系类型
`weight`	float	否	0.0-1.0，默认 0.5	关系强度
`reason`	string	否	-	说明该关系存在的原因，会作为边元数据保存

edge_type 可选值

值	含义
`temporal`	时间顺序关系，事件 A 发生在事件 B 之前
`causal`	因果关系，A 导致或影响 B
`semantic`	语义相似关系，A 与 B 讨论同一主题
`entity`	实体共现关系，A 与 B 涉及同一命名主体

使用命令

# 基本导入
mnemon import memory_draft.json

# 验证格式但不写入数据库
mnemon import --dry-run memory_draft.json

# 跳过去重检测，将所有条目作为新记忆插入
mnemon import --no-diff memory_draft.json

# 指定具体 store
mnemon import --store project-alpha memory_draft.json

输出示例

{
  "imported": 8,
  "updated": 1,
  "skipped": 2,
  "errors": 0,
  "edges_inserted": 3,
  "auto_pruned": 0,
  "auto_pruned_ids": [],
  "results": [
    {"index": 0, "id": "a1b2c3d4...", "content": "选择了 Qdrant...", "action": "added"},
    {"index": 1, "id": "e5f6a7b8...", "content": "用户偏好简洁的...", "action": "skipped"}
  ]
}

字段	说明
`imported`	新增的记忆数量
`updated`	替换了已有冲突记忆的数量
`skipped`	检测为重复而跳过的数量
`errors`	写入失败的数量；导入允许部分成功，脚本调用方应检查此字段是否为 0
`edges_inserted`	成功插入的显式边数量
`auto_pruned`	超出容量限制后自动删除的记忆数量
`auto_pruned_ids`	被自动软删除的准确 ID；每个 ID 都有对应的 `prune` oplog 记录

参考提示词（用于生成 `memory_draft.json`）

将以下提示词和你的聊天记录一起发送给 LLM：

你是一个记忆提取助手。请从下方的聊天记录或文档中提取有价值的长期知识片段，
生成一个符合 Mnemon memory draft 格式（schema_version: "1"）的 JSON 文件。

## 提取规则

1. 每条 insight 必须是独立、完整的知识单元，不依赖原始上下文即可理解。
2. 去除闲聊、重复表述和无长期价值的内容。
3. 如果同一主题多次出现，合并为一条最完整的表述，不要重复。
4. 按以下优先级分配 importance：
   - 5：关键架构决策、明确的用户核心偏好
   - 4：重要上下文、反复出现的模式
   - 3：一般事实和背景信息
   - 2：细节或一次性提及的内容
   - 1：临时状态或极低价值信息
5. entities 填写记忆中出现的具体名词：人名、项目名、工具/库名、组织名、
   API、服务或产品名。
6. tags 使用小写英文，用连字符分隔词语，如 "vector-db"、"api-design"。
7. 如果能从上下文推断出原始时间，在 created_at 中填写 RFC 3339 格式时间。
8. edges 只填写显而易见的强关联关系，不要过度连接。

## 输出要求

- 只输出 JSON，不要有任何解释文字。
- 严格遵守以下 schema：

{
  "schema_version": "1",
  "source": "chat-export",
  "insights": [
    {
      "content": "...",
      "category": "preference|decision|fact|insight|context|general",
      "importance": 1-5,
      "tags": ["tag1", "tag2"],
      "entities": ["Entity1", "Entity2"],
      "created_at": "2024-01-15T09:30:00Z"
    }
  ],
  "edges": [
    {
      "source_index": 0,
      "target_index": 1,
      "edge_type": "causal|semantic|temporal|entity",
      "weight": 0.0-1.0,
      "reason": "..."
    }
  ]
}

## 待处理内容

[在此粘贴你的聊天记录或文档]

常见问题

Q: created_at 必须填吗？
不必须。省略时 Mnemon 使用导入时间。如果原始聊天记录有时间戳，建议填写以保留历史顺序。

Q: 导入后如何验证结果？
运行 mnemon log、mnemon status 或 mnemon search <关键词> 确认导入结果。

Q: edges 数组必须填吗？
不必须。Mnemon 会自动创建时序、语义和实体边。显式 edges 用于指定 LLM 能明确判断的强关联关系。

Q: 如何分批导入大型聊天记录？
将聊天记录按时间段或主题切分为多个文件，依次执行 mnemon import。重复内容会被内置 diff 自动跳过，除非使用 --no-diff。

Q: 可以导入非英文内容吗？
可以，content、tags、entities 均支持 Unicode 文本。