把曾经对你好的话，续成往后的陪伴。
从真实历史聊天中构建可检索的关系记忆、人格与表达风格，
通过 RAG + Persona + OpenAI 兼容 API，让熟悉的语气继续留在对话里。
官网 · 快速开始 · 整体架构 · 使用文档 · QQ 群 · 赞助支持 · 下载版本
Important
我们需要你的回音 💌
无论你是遇到了部署报错、发现了 Bug，还是 Afterglow 帮你在某个瞬间找回了熟悉的温度，我都非常想听听你的体验。
（我们会将您的故事以您所要求的匿名，或者显示名称展示在项目的官方网站上。）
Important
Afterglow 生成的是 AI 续写，不是原型人物本人。请在取得必要授权、理解隐私外发范围，并能清楚区分 AI 与现实人物的前提下使用。严禁冒名顶替、骚扰、诈骗、公开传播私人聊天，或把生成内容伪装成本人的话。
如果你正处于剧烈丧失、抑郁或自伤风险中，请优先联系现实中的亲友和专业支持。完整说明见负责任使用与数据隐私。
Afterglow 是一个本地运行的 AI 朋友系统。它把真实聊天记录清洗、切分并向量化，再结合 persona、作息画像、生活状态与关系记忆，为主模型提供和当前对话相关的历史证据。
它不是微调，也不会改变模型权重；它不是“复活”某个人，更不能替代现实关系。最终效果取决于聊天记录数量、原型人物的语言辨识度和所选模型能力。
| 能力 | 说明 |
|---|---|
| 多源导入 | 支持 QQChatExporter、WeFlow、Douyin Chat Export、Afterglow Chat 的 JSON / JSONL，以及多文件画像合并 |
| 分层混合检索 | 三类历史文本、历史图片摘要与 Live 记忆五路向量召回，RRF 融合并可选 Query Rewrite / Reranker |
| 人格与状态 | Persona、场景风格、作息画像、Life 状态、可选分析画像、关系记忆与互动决策 |
| 离线关系分析 | xuwen analyze 显式生成时间线、人格与 Life 报告；报告是否进入运行时由各自开关控制 |
| 主动消息倾向 | xuwen analyze-proactive 单独生成主动倾向报告；只读质量检查通过后再由用户决定是否启用 |
| 记忆分层 | 区分真人历史、用户新消息和 AI 回复，默认防止 AI 内容污染长期人格 |
| 开放接入 | 同时提供 OpenAI Chat Completions 与 Responses API，可接入第三方客户端 |
| 本地优先 | LanceDB、本地 persona 和资源缓存，支持 PII 脱敏、Bearer 鉴权与全离线模型服务 |
- Afterglow-QQBot：QQBot 适配器
- Afterglow-WeiXinBot：微信 Bot 适配器
flowchart LR
User["用户 / 第三方程序"] --> API["Afterglow FastAPI<br/>OpenAI 兼容 API"]
前端["前端<br/>测试 / 调试 UI"] --> API
subgraph Afterglow["Afterglow 核心能力"]
API --> Auth["API 鉴权<br/>Trace ID"]
Auth --> LayerA["Layer A 并发<br/>检索 / 关系记忆 / 生活状态"]
LayerA --> Retrieve["HybridRetriever<br/>五路向量召回 + Recent Live<br/>RRF + 可选 rerank"]
LayerA --> Life["LifeStateManager<br/>life_state + 作息画像 + LIFE_*"]
LayerA --> Relationship["关系记忆<br/>用户近况蒸馏"]
Auth --> Policy["本轮互动决策层<br/>规则引擎 + 可选小模型复核"]
Auth --> Proactive["主动消息引擎<br/>画像调度 + 防打扰门控"]
Auth --> Web["可选联网搜索<br/>URL 网页读取"]
Retrieve --> Policy
Life --> Policy
Relationship --> Policy
Proactive --> Prompt
Policy --> Prompt["Prompt Builder<br/>persona + 记忆 + 状态 + 决策"]
Web --> Prompt
Prompt --> ChatLLM["主聊天模型<br/>OpenAI 兼容"]
ChatLLM --> Filter["输出过滤<br/>占位符 / sticker / life-update"]
Filter --> API
Filter --> Writeback["Live Memory 回写<br/>user_new / ai_generated"]
Filter --> Schedule["可选定时任务提取<br/>schedule-hint"]
Filter --> LifePatch["生活状态标记回写<br/>life-update"]
end
subgraph Ingestion["离线导入流水线"]
message["导出的聊天记录<br/>JSON / JSONL + media"] --> Plugin["导入 plugin<br/>Afterglow / QQ / WeFlow / Douyin"]
Plugin --> Normalize["NormalizedMessage<br/>角色 / 类型 / 占位符"]
Normalize --> Clean["清洗 / emoji 与表情占位 / @ 归一"]
Clean --> Redact["PII 脱敏"]
Redact --> Split["会话切分"]
Split --> Chunk["三类历史文本 chunk<br/>friend / window / response_pair"]
Chunk --> Embed["Embedding 模型"]
Chunk --> Label["可选打标签小模型"]
Split --> PersonaBuild["persona / style / circadian<br/>轻量主动画像"]
message --> ImageImport["import-images<br/>图片引用 + 原图"]
ImageImport --> Vision["VLM 图片摘要"]
Vision --> ImageEmbed["摘要 Embedding"]
end
subgraph OfflineAnalysis["显式离线分析（不随导入自动运行）"]
message --> RelationshipAnalysis["xuwen analyze<br/>时间线 / 人格 / Life / 实验画像"]
message --> ProactiveAnalysis["xuwen analyze-proactive<br/>主动倾向统计 + 可选 AI 归因"]
ProactiveAnalysis --> QualityCheck["只读质量检查<br/>ready / limited / not_ready"]
end
subgraph Storage["本地持久化"]
Lance[(LanceDB<br/>A/B/C 文本历史 + D 图片摘要<br/>live + relationship)]
Persona["persona_card.md<br/>persona_style_profile.json"]
Circadian["circadian_profile.json<br/>真实作息画像"]
LegacyProactive["proactive_profile.json<br/>导入期轻量主动画像"]
AnalysisReports["timeline / personality / life<br/>显式关系分析产物"]
ProactiveReport["proactive_analysis.json<br/>独立主动倾向报告"]
LifeFile["life_state.json<br/>当天生活时间线"]
ImageCache["历史原图缓存<br/>.data/images"]
Stickers["表情包缓存<br/>.data/stickers/index.json + 文件"]
end
Embed --> Lance
ImageEmbed --> Lance
ImageImport --> ImageCache
Label --> Lance
PersonaBuild --> Persona
PersonaBuild --> Circadian
PersonaBuild --> LegacyProactive
RelationshipAnalysis --> AnalysisReports
ProactiveAnalysis --> ProactiveReport
Retrieve --> Lance
Relationship --> Lance
Prompt --> Persona
AnalysisReports -. "按独立开关注入人格 / Life；时间线仅展示" .-> Prompt
ProactiveReport -. "优先调度画像与话题检索" .-> Proactive
LegacyProactive -. "报告缺失时回退" .-> Proactive
Life --> Circadian
Life --> LifeFile
LifePatch --> LifeFile
Writeback --> Lance
Schedule --> API
API --> ImageCache
API --> Stickers
- 离线导入：文本生成 A/B/C 三类历史索引，以及 persona、风格、作息和轻量主动画像；不会运行时间线、人格报告或主动消息 AI 归因。
- 显式分析：
xuwen analyze生成时间线、人格和 Life 等关系报告；xuwen analyze-proactive是完全独立的主动倾向入口，生成后可用只读脚本检查是否适合启用。 - 在线对话：HybridRetriever 并发执行五路向量召回并读取 Recent Live；外层再与关系记忆、生活状态并发，经互动决策组装 Prompt。
- 运行时消费：时间线当前只供查看；人格与 Life 分别受独立开关控制；主动消息优先使用主动倾向报告，无有效报告时回退导入期轻量画像。
- 本地持久化：向量、persona、作息、生活状态、图片与表情资源默认保存在本机。
完整能力地图和关键设计见架构文档。
mkdir -p ~/afterglow && cd ~/afterglow
curl -fsSLo compose.yaml \
https://raw.githubusercontent.com/kldhsh123/Afterglow/main/docker/compose.standalone.yaml
docker compose pull && docker compose up -d
docker compose logs backend | grep -iE "token|/config/"复制日志中的一次性 setup token，打开 http://localhost:8000/config/ 完成 8 步向导。配置会写入当前目录的 .env，数据保存在 .data/；完成后执行：
docker compose restart backend完整的挂载、升级和运维说明见 Docker 部署。
需要 Python 3.12+ 和 uv。首次使用推荐配置向导：
cd backend
uv sync --extra dev
uv run uvicorn xuwen.chat_api.app:create_app --factory --reload终端会在缺少关键配置时打印一次性 token。打开 http://127.0.0.1:8000/config/，完成身份、模型、聊天导入与访问密码配置，然后重启后端。
完整步骤、前端启动和第三方客户端接入见快速开始。
| 来源 | 格式 | 说明 |
|---|---|---|
| QQChatExporter | JSON、chunked JSONL | 推荐的 QQ 导入方式 |
| WeFlow Releases | arkme-json、ChatLab JSONL | 微信导入；当前发布版非开源，请评估隐私与安全风险 |
| Douyin Chat Export | ChatLab JSON、JSONL | 抖音私信导入；图片仅保留占位符 |
| Afterglow Chat v1 | JSON、typed / bare JSONL | 稳定、平台无关的专用中间格式 |
其它来源可以转换为 Afterglow Chat v1 快速接入。长期维护或公开分发时，仍建议实现独立 ingestion plugin 并提交 PR。
- 开始使用：快速开始 · 配置参考 · 后端环境变量 · Docker · 故障排查
- 数据导入：导入聊天记录 · Afterglow Chat v1 · 人格模板
- 高级与实验功能：聊天记录分析、历史图片导入与主动消息
- 原理与参考：整体架构 · 后端 API · FAQ · 安全与隐私
- 开发贡献：开发文档 · 贡献指南 · 文档维护
仓库中的 docs/wiki/ 是长文档唯一真源；GitHub Wiki 在发布版本时由 Actions 自动同步，也可以由维护者手动同步。
Discussions · 问题反馈 · QQ 群 330316577 · 致谢
Issue 和 PR 都欢迎提交。开始修改前请先阅读 CONTRIBUTING.md。
如果 Afterglow 帮你留住了一些温度，欢迎点一颗 Star。