Roampal

记忆能学习有效的方法。这样你就能做更多。

说它有效。说它无效。AI 会记住。

停止在每次对话中重复解释自己。Roampal 记住结果，学习反馈，并随着时间变得更智能——全部 100% 私密且本地运行。

Roampal - 带持久记忆的 AI 聊天

LoCoMo 非对抗准确率 85.8%（1,986 个问题）。比原始摄取高 23 分。吸收 1,135 条毒害记忆仅损失 4 分。 (论文)

基准测试结果

LoCoMo 数据集（1,986 个问题，5 个类别，修正的标准答案）。使用 roampal-labs 评估。由本地 20B + MiniMax M2.7 双重评分。

| 指标 | 结果 | |--------|--------| | 非对抗准确率（MiniMax 重新评分） | 85.8% | | 整体（所有 5 个类别） | 76.6% | | 相比原始摄取基线 | +23 分（76.6% 对 53.0%，p<0.0001） | | 毒害鲁棒性 | 吸收 1,135 条对抗记忆后仅降 4.2 分 | | 无记忆基线 | 6.0%（模型无任何 LoCoMo 知识） | | 架构对比模型 | 架构提升：+23 分。模型更换（GPT-4o-mini）：1.5-2.5 分 |

系统通过自然对话学习，而非转录文本摄取
吸收1135条带有伪造信任信号的毒性记忆，保持72.4%的准确率
Wilson评分在每个阶段都损害检索效果（p<0.001）— 已从排名中移除

组件级检索消融实验

| 配置 | Hit@1 清洁 | Hit@1 毒性 | p值 | |--------|-------------|--------------|---------| | TagCascade + 余弦相似度 | 27.3% | 29.0% | 基线 | | 重叠 + 余弦相似度 | 25.8% | 28.0% | p=0.0003 | | 纯交叉熵 | 25.4% | 28.4% | — | | TagCascade + Wilson | 23.0% | 25.0% | p<0.0001 |

交叉编码器：比余弦相似度提高17.8的Hit@1（p<0.0001）
标签路由（双通道）：清洁提升6.1 Hit@1，毒性提升7.5（p<0.0001）
Wilson评分：每个配置降低4.3 Hit@1
Nursery槽位：无任何收益（p=1.0）

完整方法论见roampal-labs

---

快速开始

从roampal.ai下载并解压
安装Ollama或LM Studio
右键点击 Roampal.exe → 以管理员身份运行
在界面中下载模型 → 开始聊天！

您的AI将立即开始了解您。

---

关键特性

会学习的记忆

结果追踪：为每个结果评分（+0.2 成功，-0.3 失败）
智能提升：好的建议永久保存，坏的建议自动删除
跨对话：回忆所有过去的聊天记录

您的知识库

记忆库：永久存储偏好、身份、目标
书籍：上传 .txt/.md 文档作为可搜索参考
模式识别：检测跨对话有效的方法

隐私优先

100% 本地：所有数据存储于您的设备
离线工作：模型下载后无需联网
无遥测：您的数据绝不离开电脑

---

MCP 集成

将 Roampal 连接到 Claude Desktop、Cursor 及其他 MCP 兼容工具。

Settings → Integrations → Connect → Restart your tool

7 tools available: search_memory, add_to_memory_bank, update_memory, archive_memory, get_context_insights, record_response, score_memories

Full MCP documentation →

Architecture

┌─────────────────────────────────────────────────────────┐
│                    5-TIER MEMORY                        │
├─────────────┬─────────────┬─────────────┬──────────────┤
│   Books     │   Working   │   History   │   Patterns   │
│ (permanent) │   (24h)     │  (30 days)  │  (permanent) │
├─────────────┴─────────────┴─────────────┴──────────────┤
│                    Memory Bank                          │
│            (permanent user identity/prefs)              │
└─────────────────────────────────────────────────────────┘

核心技术：

TagCascade 检索：标签路由搜索 + 跨编码器重排序（ONNX）
基于结果的学习：记忆根据反馈进行调整
Sidecar 大语言模型：后台模型总结交流，提取事实和标签

架构深度解析 →

支持的模型

通过 Ollama 或 LM Studio 支持任何工具调用模型：

| 模型 | 提供商 | 参数量 | |-------|----------|------------| | Llama 3.x | Meta | 3B - 70B | | Qwen 2.5 | 阿里巴巴 | 3B - 72B | | Mistral/Mixtral | Mistral AI | 7B - 8x22B | | GPT-OSS | OpenAI（Apache 2.0） | 20B - 120B |

文档

| 文档 | 说明 | |----------|-------------| | 架构 | 5层记忆，检索流水线，技术深度解析 | | 基准测试 | LoCoMo 评估，TagCascade 结果 | | 发行说明 | 最新（v0.3.3）：多模态图像输入，动态能力 + 上下文检测，ChromaDB 幻象处理关闭问题 #8，原子配置写入，Harmony 令牌清理 |

重要通知

AI 安全性：大语言模型可能生成错误信息。请始终核实关键信息。不要依赖 AI 获取医疗、法律或财务建议。

模型许可：下载的模型（Llama、Qwen 等）有各自的许可协议。商业使用前请审查。

支持

Discord: https://discord.gg/F87za86R3v
邮箱: roampal@protonmail.com
GitHub: https://github.com/roampal-ai/roampal/issues
作者: Logan Teague

---

价格

免费且开源（Apache 2.0 许可证）

从源码构建 → 完全免费
预构建可执行文件：一次性19.99美元（节省数小时设置时间）
零遥测，完全数据所有权

---

为真正记得东西的 AI 爱好者用爱打造

--- Tranlated By Open Ai Tx | Last indexed: 2026-07-30 ---

roampal