配置 | FishMem Docs

使用 Memory.create(config) 创建引擎。所有供应商都需明确选择；FishMem 不会静默替换成模拟嵌入模型或 LLM。

本地确定性配置

import { Memory } from "fishmem";

const memory = await Memory.create({
  graphStore: { provider: "sqlite", config: { url: "file:fishmem.db" } },
  vectorStore: {
    provider: "sqlite",
    config: { url: "file:fishmem.db", indexIdentity: "mock-384-v1" },
  },
  embedder: { provider: "mock", config: { dimensions: 384 } },
  llm: { provider: "mock" },
  derivation: { enabled: false },
});

模拟嵌入模型使用确定性词法哈希，适合本地开发与测试，不能替代语义嵌入模型。

提供商

配置	支持项
`graphStore`	`memory`、`sqlite`、`postgres`、`d1` 或自定义 `GraphStore`
`vectorStore`	`memory`、`sqlite`、`pgvector`、`qdrant`、`vectorize` 或自定义 `VectorStore`
`embedder`	`mock`、`openai` 或自定义 `Embedder`
`llm`	`mock`、`openai`、`anthropic` 或自定义 `LLM`

图存储保存规范记忆与文档描述符；向量存储保存可重建的关键词与语义投影。文档原件默认内联保存，Cloudflare 应用通过 documentOriginalStore 接入 R2。

文档原件存储

interface DocumentOriginalStore {
  put(source: DocumentSource): Promise<void>;
  get(source: Omit<DocumentSource, "content">): Promise<string>;
  delete(namespaceId: string, documentIds: string[]): Promise<void>;
  deleteNamespace(namespaceId: string): Promise<void>;
  clear(): Promise<void>;
}

Desktop 与纯 Node 库部署可以不设置该适配器，UTF-8 原件会与描述符一起保存。Node 控制平面使用 FISHMEM_ASSET_DIR 保存文件资产与提取产物；apps/web 在 Cloudflare 上自动配置 R2。实现必须幂等且私有，不能让调用方绕过文档命名空间检查。

OpenAI 配置示例

const memory = await Memory.create({
  graphStore: { provider: "sqlite", config: { url: "file:fishmem.db" } },
  vectorStore: {
    provider: "sqlite",
    config: { url: "file:fishmem.db", indexIdentity: "text-embedding-3-small" },
  },
  embedder: { provider: "openai", config: { model: "text-embedding-3-small" } },
  llm: { provider: "openai", config: { model: "gpt-4o-mini" } },
});

即使存在 OPENAI_API_KEY，生产代码也应显式配置，保证运行行为可以审计。

规范推理与派生视图

const memory = await Memory.create({
  derivation: {
    enabled: true,
    schedule: "deferred",
    hook: (task) => executionContext.waitUntil(task),
  },
});

infer 是单次写入的规范存储选择，不是全局派生开关：infer:true 需要 LLM、调用一次提取且只保存提炼记录；infer:false 不调用 LLM，并按原文保存 content 或每条非空消息。derivation 只控制可重建的状态/画像投影，不会产生第二个写入者。

受治理的信念投影（可选）

该投影只适合“需要积累独立证据才能采信”的自动推断偏好或工作规则。显式 state 仍然即时 supersede，普通记忆搜索不受影响。

import { createSqliteBeliefReconciler, Memory } from "fishmem";

const beliefReconciler = await createSqliteBeliefReconciler({
  url: "file:fishmem.db",
});

const memory = await Memory.create({
  derivation: {
    enabled: true,
    beliefs: {
      enabled: true,
      reconciler: beliefReconciler,
      memoryTypes: ["preference"],
      namespaceAllowlist: ["workspace_123"],
      killSwitch: () => process.env.BELIEF_PROJECTION_DISABLED === "1",
    },
  },
});

默认策略要求 3 个独立 evidence key、3 个不同 context、至少 0.6 的加权支持度，以及领先第二名 1。证据以带规范来源 ID 的关系行保存，可以零 LLM 重建。公开 REST 写入不能设置 evidence key、权重或 applicability。

内置 Web 运行时默认关闭。小范围 rollout 必须同时设置以下两个变量；allowlist 缺失或为空时不会启用任何命名空间：

FISHMEM_BELIEF_RECONCILIATION_ENABLED=1
FISHMEM_BELIEF_RECONCILIATION_ALLOWLIST=workspace_123,workspace_456

设置 FISHMEM_BELIEF_RECONCILIATION_DISABLED=1 可动态熔断。在 paired evaluation 通过前保持 shadow-only，并通过 GET /v1/beliefs 审计结果。

延迟向量投影

const memory = await Memory.create({
  vectorProjection: {
    schedule: "deferred",
    hook: (task) => executionContext.waitUntil(task),
  },
});

规范记录与词法索引先提交，语义投影可以后台运行。脚本或测试若必须等待完整索引，可调用 flushVectorProjections()。更换模型或维度必须重建向量投影；为支持的存储设置稳定 indexIdentity，避免混用不可比较的向量。

使用 onWarning 观察可恢复的投影或可选召回失败。FishMem 会报告降级，不会用无关行为静默兜底。

配置