核心用法
cc-soul 是一款零向量 AI 记忆引擎，专为需要长期记忆能力的对话系统、AI Agent 和个人助手设计。用户通过 REST API (POST /memories, POST /search) 即可接入，支持 DeepSeek、Claude、OpenAI、Ollama 等主流 LLM。系统完全本地化运行，数据存储于 SQLite，零外部网络调用（除非主动配置可选 LLM）。
显著优点
1. 突破性技术路径：全球 LOCOMO 基准第 4 名（76.2%）的纯符号系统，前 3 名均依赖向量数据库 + LLM，cc-soul 以算法召回证明非向量路线的可行性。
2. 真正的自学习：AAM（自适应联想记忆）从每次对话中实时学习词共现统计（PMI），1200 条消息后 Hit@3 从 30% 提升至 67.5%，无需人工维护词表。
3. 9-12 信号融合召回：整合 ACT-R 认知模型、BM25+ 检索、情绪共鸣、传播激活、MMR 去重、时间编码等多维度信号，实现类人记忆检索。
4. 极轻量部署：存储仅 5.7 MB（向量化方案的 8.6 分之一），P50 召回延迟 127ms，纯 CPU 运行，无 GPU 依赖。
5. 11 维动态人格：根据对话内容自动切换工程师、朋友、导师、安慰者等角色，无需手动配置。
6. 完整隐私保护：零云端、零遥测、PII 自动过滤，数据完全本地可控。
潜在缺点与局限性
- 复杂推理场景弱于向量方案：对抗性测试准确率 56.5%，表明在高歧义、需深层语义理解的场景下，符号方法仍有瓶颈。
- 冷启动问题：需要积累约 1200 条消息才能达到最佳学习效果，初期召回质量有限。
- 中文生态适配：核心算法源自英文语料设计，中文分词、成语、网络用语的联想学习效果待验证。
- 无多模态支持：当前仅支持文本记忆，图片、音频、视频等非结构化数据无法直接处理。
- 维护状态存疑：GitHub 仓库由个人账户维护，长期更新承诺、社区规模及企业级 SLA 支持不明确。
适合人群
- 追求数据主权的个人开发者与隐私敏感用户
- 需要在边缘设备/低算力环境部署记忆功能的场景（IoT、本地助手）
- 对可解释性有要求的学术研究、认知科学实验
- 希望降低 LLM 调用成本的 Agent 开发者（召回阶段零 API 费用）
常规风险
1. 数据丢失风险：SQLite 单文件存储，无内置备份机制，需用户自行管理 ~/.cc-soul/data/。
2. 学习偏差累积：PMI 关联学习可能强化用户的偏见表述，长期使用需关注记忆内容的审计与清理。
3. MIT 许可证免责：开源协议不含任何担保条款，生产环境使用需自行评估稳定性。
4. emotion tracking 敏感：5 维情绪追踪可能记录用户心理状态变化，虽本地存储但仍属敏感数据处理范畴。