资源分类

核心功能

• 将大量文本块压缩到单个 MP4 文件中，比向量数据库节省 50-100 倍存储空间
• 实现亚 100 毫秒级的检索速度，无需服务器往返
• 零基础设施依赖，仅需 Python 和 MP4 文件
• 真正的可移植性，复制或流式传输 memory.mp4 即可在任何支持视频播放的地方使用
• 离线优先设计，编码后无需互联网即可运行

工作原理

1. 文本→QR 码→视频帧：每个文本块转换为 QR 码，打包到视频帧中，现代编解码器能很好地压缩这些重复模式
2. 智能索引：嵌入向量将查询映射到帧编号，一次定位、一次解码，实现毫秒级结果
3. 利用编解码器优势：30 年的视频研发成果使文本压缩效果优于任何自定义算法
4. 前瞻性设计：下一代编解码器（AV1、H.266）会自动使存储的 "记忆" 更小更快，无需代码更改

主要组件

• MemvidEncoder（encoder.py）：处理文本分块和 QR 视频创建
• MemvidRetriever（retriever.py）：快速语义搜索、QR 帧提取和上下文组装
• MemvidChat（chat.py）：管理对话、上下文检索和 LLM 接口
• IndexManager（index.py）：嵌入生成、存储和向量搜索

安装与使用

pip install memvid
# 如需 PDF 支持
pip install memvid PyPDF2

from memvid import MemvidEncoder, MemvidChat

# 从文本创建视频记忆
chunks = ["NASA 成立于 1958 年", "阿波罗 11 号于 1969 年着陆", "国际空间站于 1998 年发射"]
encoder = MemvidEncoder()
encoder.add_chunks(chunks)
encoder.build_video("space.mp4", "space_index.json")

# 与记忆对话
chat = MemvidChat("space.mp4", "space_index.json")
response = chat.chat("人类何时登上月球？")
print(response)  # 引用 1969 年的阿波罗 11 号