你是否遇到过这样的困扰：和AI助手聊了半小时，它记住了你的过敏史、偏好口味、工作项目细节……但一刷新页面，一切归零？大语言模型（LLM）天生“健忘”，每次对话都是全新的开始。Parcle 正是为此而生——它不是另一个聊天机器人，而是一个轻量、安全、开箱即用的「AI长期记忆层」，专为开发者设计，让每一个终端用户都能拥有独立、持久、可自然语言提问的私有记忆空间。
核心功能
- 按用户隔离的私有记忆：严格以
user_id为边界，不同用户的数据物理隔离，无需自行管理数据库权限或加密逻辑，天然满足隐私合规要求。 - 多源内容统一摄入：支持对话历史（Role-based messages）、PDF文档、Markdown笔记、纯文本等格式一键导入，所有信息进入同一语义索引体系，无需预处理或格式转换。
- 自然语言问答 + 精准溯源：不返回冷冰冰的文本片段，而是生成连贯回答，并自动标注每处结论来自哪次对话、哪份文件的第几页/哪一段，真正实现“有据可查”的可信AI。
- 增量式会话管理：通过
session_id灵活控制记忆组织粒度——可将一次完整咨询、一次会议记录、一份合同审阅过程作为独立会话持续追加，结构清晰，语义连贯。 - 零配置快速集成：仅需一行
pip install parcle，配合环境变量或明文 API Key 即可调用，无本地向量库部署、无模型微调、无复杂依赖，5分钟接入现有AI应用。 - MIT协议完全开源：核心逻辑透明可审计，允许自由修改、私有化部署或嵌入商业产品，无隐藏限制或SaaS绑定风险。
适合哪些人用
这款工具特别适合三类技术实践者：AI应用开发者（如搭建客服助手、个人知识管家、企业内部Copilot的工程师），能快速补全LLM的“遗忘短板”；产品经理与AI产品经理，可基于Parcle设计“记住用户习惯”“自动关联历史工单”等高价值功能，提升产品粘性；注重数据主权的技术型用户（如律师、研究员、自由职业者），可通过私有化部署方案，完全掌控自己的对话与文档记忆资产，拒绝上传敏感信息至第三方云服务。
快速上手
安装极其简单：
pip install parcle
使用示例如下（真实代码可直接运行）：
from parcle import Parcle
# 初始化客户端（API Key 可存于环境变量 PARCLE_API_KEY）
client = Parcle(api_key="pk_live_...")
# 将用户对话写入记忆（自动创建新会话）
result = client.ingest_dialog(
user_id="ada",
messages=[{"role": "user", "content": "我对花生严重过敏"},
{"role": "assistant", "content": "已记录，后续推荐将避开所有含花生成分"}]
)
# 向同一会话追加新消息（保持上下文连续性）
client.ingest_dialog(
user_id="ada",
session_id=result.session_id,
messages=[{"role": "user", "content": "另外，我也不能吃贝类"}]
)
# 自然语言提问，获得带引用的回答
answer = client.ask(user_id="ada", question="用户有哪些饮食禁忌？")
print(answer.text) # 输出：“用户对花生和贝类过敏。”
print(answer.citations) # 输出引用来源列表
项目信息
Python 编写｜GitHub Star 数：391｜开源协议：MIT｜GitHub 项目地址
如果你正在构建一个需要“记住用户”的AI产品，Parcle 就是那个少有人知却恰到好处的拼图——它不抢风头，却让整个体验从“聪明但疏离”变成“熟悉且可靠”。
