# 会议纪要长期记忆系统

基于 `LLM + LlamaIndex + 本地状态存储` 的会议纪要长期记忆原型，当前聚焦三件事：

- 会议内容结构化抽取
- 跨会议行动项与指标状态追踪
- 语义检索与重复内容过滤

## 当前处理链路

```text
meeting.md
  -> 内容哈希去重
  -> 语义相似去重
  -> LLM 结构化抽取
  -> 状态合并
  -> 原文归档到 data/raw
  -> 写入向量索引
```

当前版本已经移除了 `Obsidian` 作为主流程依赖，后续会继续引入图数据库来承载关系层。

## 快速开始

```bash
cd meeting_memory

python -m venv .venv
.venv\Scripts\pip install -r requirements.txt

copy .env.example .env
# 然后补充 API 配置

.venv\Scripts\python main.py process meeting_example.md
```

## 用法

```bash
python main.py
python main.py process meeting_example.md
python main.py process meeting_example.md -f
python main.py query "弱光指标目标值是多少"
python main.py stats
python main.py text "今天会议讨论了..."
python main.py batch "meetings/*.md" -f
```

## 目录

```text
meeting_memory/
├── config.py              配置
├── extractor.py           LLM 结构化抽取
├── meeting_processor.py   主处理流程
├── meeting_state.py       跨会议状态追踪
├── raw_store.py           原文归档
├── vector_store.py        向量索引与语义检索
├── main.py                CLI 入口
├── data/
│   ├── raw/               原始会议文本归档
│   └── meeting_state.json 状态持久化
└── vector_store_data/     向量索引持久化目录
```

## 核心能力

### 1. 结构化抽取

从会议文本中提取：

- 标题、日期、参会人
- 实体
- 关系
- 行动项
- 指标
- 决策
- 摘要

### 2. 长期状态追踪

- 行动项按 `task + assignee` 做稳定 ID
- 指标按 `metric_name + owner` 做稳定 ID
- 保留历史状态演化
- 支持跨会议合并

### 3. 双重去重

- 内容哈希精确去重
- 语义相似度去重

### 4. 语义检索

- 会议内容写入向量库
- 支持自然语言查询
- 索引持久化，重启自动加载

## 配置

编辑 `.env`：

```ini
LLM_API_KEY=sk-xxx
LLM_BASE_URL=https://api.deepseek.com/v1
LLM_MODEL=deepseek-chat

EMBEDDING_API_KEY=sk-xxx
EMBEDDING_BASE_URL=https://api.openai.com/v1
EMBEDDING_MODEL=text-embedding-3-small
```

## 迁移计划

当前迁移进度见 [MIGRATION_TASKS.md](/d:/github_project/my_code/meeting_memory/MIGRATION_TASKS.md:1)。