核心定位与技术创新
cc-soul 是一款符号化AI记忆引擎，采用零向量架构——完全摒弃传统RAG依赖的向量嵌入和GPU计算，通过15项原创算法实现高效记忆存储与检索。在权威基准LOCOMO（长对话记忆测试）中获得76.2%准确率，位列全球第4，验证了其技术路线的可行性。
核心用法
部署模式：纯本地运行，75个模块全部驻留设备，数据存储于 ~/.cc-soul/data/soul.db（SQLite）。提供REST API（POST /memories存储、POST /search检索）和中文命令行交互（如搜索记忆、情绪周报、隐私模式）。
可选LLM增强：核心召回功能完全离线（<30ms延迟），用户可自主配置外部LLM用于查询重写与结果重排序。配置时仅发送改写提示和记忆片段，API密钥以明文本地存储。
显著优势
| 维度 | 特性 |
|------|------|
| **隐私安全** | 零云端上传、零遥测，PII自动脱敏（邮箱/电话/API密钥），支持一键隐私模式暂停存储 |
| **硬件门槛低** | 无需GPU，普通CPU即可运行，适合边缘设备 |
| **数据可控** | 完整导出为JSON、关键词精确删除、存储路径透明 |
| **开源可信** | MIT协议开源，GitHub可审计 |
局限与风险
召回机制局限：符号算法依赖规则匹配和结构化索引，对语义近似但表述差异大的内容（如隐喻、复杂指代）召回率可能低于向量方案；长对话中的跨段落隐式关联处理存在固有瓶颈。
安全风险点：API密钥本地明文存储（ai_config.json），虽符合"用户自主掌控"设计哲学，但若设备被入侵则存在泄露风险；建议用户使用权限受限的scoped key。
生态成熟度：相比成熟的向量数据库（如Pinecone、Milvus），社区规模和第三方集成尚处早期，企业级功能（如多用户隔离、审计日志）需自建。
适合人群
- 隐私敏感用户：医疗、法律、心理咨询等对话场景，要求数据不出设备
- 边缘/离线场景：无稳定网络或GPU资源受限的终端环境
- 技术研究者：探索符号主义与连接主义融合的AI记忆架构
- 个人知识管理：需要长期、可解释、可审计的对话历史沉淀
常规风险提示
1. 备份责任：SQLite单文件存储，建议定期执行导出全部防止设备损坏丢失
2. 密钥管理：配置外部LLM时使用最小权限API key，避免主密钥暴露
3. 召回验证：关键决策场景建议人工复核检索结果，不盲信自动化召回
4. 版本锁定：3.1.2版本算法参数可能随迭代调整，生产环境建议固定版本