Literature Memory

🚀 进行中的项目

一个灵活的系统，用于管理各种类型的来源（如论文、书籍、网页等），并将其与知识图谱集成，极大地提升了信息管理的效率和便捷性。

🚀 快速开始

1. 使用我们的架构创建一个新的 SQLite 数据库：

# 创建新数据库
sqlite3 sources.db < create_sources_db.sql

2. 安装来源管理服务器：

# 为 Claude 桌面安装，指定数据库路径
fastmcp install source-manager-server.py --name "Source Manager" -e SQLITE_DB_PATH=/path/to/sources.db

✨ 主要特性

核心功能

• 采用内部 UUID 系统的统一来源标识符系统，确保每个来源都有唯一标识。
• 支持多种来源类型，包括论文、网页、书籍、视频、博客，满足多样化的信息管理需求。
• 每个来源支持多个标识符，如 arXiv、DOI、语义学者、ISBN、URL，方便信息的准确检索。
• 具备结构化笔记功能，支持标题和内容，便于记录和整理关键信息。
• 可跟踪来源状态，如未读、阅读中、已完成、已归档，清晰掌握信息处理进度。

实体集成

• 能够将来源链接到知识图谱实体，实现信息的深度关联。
• 跟踪来源与实体之间的关系，支持灵活的关系类型，如讨论、介绍、扩展、评估等。
• 集成记忆图功能，进一步提升信息的组织和管理能力。

📦 安装指南

该系统与 MCP 内存服务器 集成，用于持久化知识图谱存储。

💻 使用示例

基础用法

# 添加新来源
add_source("example_paper.pdf", "paper")

# 模糊匹配添加标识符
fuzzy_match_and_add_identifier("related_work.pdf", "arXiv")

高级用法

# 建立来源与实体的关系
link_source_to_entity(source_id, entity_name, relation_type)

# 查看所有关联的实体
get_associated_entities(source_id)

📚 详细文档

最佳实践

1. 数据组织：按类型分类来源，使用结构化笔记记录关键信息，有助于提高信息检索效率。
2. 状态管理：定期更新来源状态，确保跟踪最新进展，避免信息积压和遗漏。
3. 标识符管理：为每个来源添加尽可能多的标识符，以便于后续检索和关联。

🔧 技术细节

1. 数据匹配：采用模糊匹配算法，基于标题和类型进行来源识别，提高信息匹配的准确性和效率。
2. 扩展性：支持自定义关系类型和实体分类，便于个性化需求，满足不同用户的特定场景。
3. 性能优化：通过索引优化查询速度，确保高效的数据检索，提升系统的响应性能。

🤝 贡献指南

1. 参与项目：访问我们的仓库页面，了解如何加入团队。
2. 创建功能分支：为新功能开发独立的代码分支。
3. 添加测试用例：确保新增功能通过全面的测试验证。
4. 提交拉取请求：将您的更改贡献到主项目。