[ai长文一致性上下文项目](https://github.com/gratajik/book-memory-bank)
## 我的使用
原作者用的cline，我让ai改为兼容claude 的.md，然后将book-memory_bank.md 添加为agents模式，能通过对话输入以下指令进行内容检查

  - "initialize memory bank" - 初始化记忆库
  - "update memory bank" - 更新所有记忆文件
  - "check consistency" - 检查故事一致性
  - "write next chapter" - 写下一章
以下是对功能的介绍，类似readme
# 书籍记忆银行

一个为维持书籍写作过程中上下文和一致性而设计的结构化文档系统。这个记忆银行通过提供持续更新的知识库，帮助作家与LLM助手协作，使无状态的AI能够在写作会话间保持完整的上下文。

## 概览

书籍记忆银行旨在解决使用AI辅助写作书籍时的一个关键挑战：保持一致的上下文。它包括：

1. **核心文档文件**，用于故事元素
2. **专业模板**，用于角色、情节和世界构建
3. **自动化脚本**，用于手稿准备
4. **工作流程指南**，用于有效的AI协作
5. **LLM助手的自定义指令**
6. **对话式记忆更新**，无需脚本

## 开始使用

1. **设置项目结构**:
   - 将book-memory-bank文件夹复制到您的项目目录
   - 在根目录创建.clinerules目录，内容来自custom_instructions.md
   - 在.clinerules目录内，将此目录中的memory-bank.md复制到该目录
   - 在.clinerules目录内，将此目录中的author-rules.md复制到该目录

2. **配置AI助手**:
   - 将custom_instructions.md的内容复制到您的LLM自定义指令
   - 确保自定义指令中的文件路径包含"book-memory-bank/"前缀
   - 在您的主要项目目录中打开VSCode

3. **开始您的项目**:
   - 在计划模式下开始，建立基本的故事元素
   - 描述您想写什么。第一行要有意义，因为这将显示在Cline历史记录中
   - 添加细节 - 任何您想要的级别。您可以从基本描述开始，然后迭代 - 或添加尽可能多的细节。这可能包括主要角色、第一或第三人称视角、语调、情节点、地点等。建议设定书的整体风格。例如，"用欧内斯特·海明威的风格写这本书" - 或"用极简主义和直接的风格写这本书，使用简单的语言、短句子和微妙的暗示，通过行动和对话传达深层含义"（这在某种程度上等同于海明威的写作方式）
   - 回答给您的任何问题
   - 输入提示"初始化记忆银行"。这将读取记忆银行

4. **写作过程**:
   - 一旦您准备好开始写书，切换到行动模式
   - 它可能会写一些内容
   - 告诉Cline"更新记忆银行"。这应该完全创建记忆银行文件 - 角色、地点、情节等
   - 要求编写主大纲。审查并反馈更改（如果需要）
   - 一旦主大纲符合您的要求，"更新记忆银行"。这将确保您从更新的记忆银行开始
   - 此时您可以按您想要的方式迭代。似乎最有效的模式是：
      1. 要求"编写第1章大纲"（或只是"编写下一章大纲"）
      2. 审查并反馈更改
      3. 要求"编写第1章"（或只是"编写下一章"）
      4. 审查并反馈更改
      5. 更新记忆银行
      6. 重复直到书完成
   - 建议阅读并反馈每一章，因为它们被写出来 - 您总是可以稍后做重大更改（通过提示要求它！），但这需要一段时间并且可能容易出错
   - 定期审查所有记忆银行文件 - 如果您看到问题，输入提示进行更正

5. **出版准备**:
   - 运行Production/Scripts目录中的自动化脚本来组装和格式化您的手稿

## 完整项目结构

推荐的项目结构将记忆银行（元数据和上下文）与实际书籍内容分开：

```
YourBookProject/              # 根项目目录
├── .clinerules                # Cline规则
├── └── book-memory-bank.md    # 书籍记忆的Cline规则
├── └── author-rules.md        # 像人类作者一样行事的Cline规则
├── Chapters/                  # 实际章节文件
│   └── Chapter01.md
│   └── Chapter02.md
├── Outlines/                  # 实际大纲
│   ├── Master_Outline.md
│   └── Chapter_Outlines/
│       └── Chapter01_Outline.md
|── AI Generation/             # 实际AI生成
│   ├── cover_prompts.md       # 实际封面提示
├── Manuscript/                # 生成的输出文件
└── book-memory-bank/          # 记忆银行文件（仅上下文）
    ├── README.md              # 记忆银行文档（此文件）
    |── system_prompt.md       # 建议的系统提示 - 在Cline中，转到设置并粘贴该内容到"自定义提示"
    ├── custom_instructions.md  # AI助手指令
    │
    ├── Core/                   # 核心故事文档
    │   ├── projectbrief.md     # 核心项目定义
    │   ├── story_structure.md  # 故事目的、定位和叙事模式
    │   ├── world_and_characters.md # 世界构建元素和角色档案
    │   ├── activeContext.md    # 当前工作状态
    │   └── progress.md         # 完成跟踪
    │
    ├── Core/Templates/         # 新内容的模板文件
    │   ├── README.md           # 使用模板指南
    │   ├── master_outline_template.md  # 故事结构模板
    │   └── chapter_outline_template.md # 章节规划模板
    │
    ├── Style/                  # 写作指南
    │   └── style_guide.md
    │
    └── Production/             # 图书制作资源
        ├── README.md           # 使用制作工具指南
        │
        ├── AI_Generation/      # AI提示模板
        │   └── cover_prompts.md # AI封面生成说明
        │
        │
        └── Scripts/            # 自动化工具
            ├── combine_chapters.ps1 # 将章节合并为一个文档
            ├── generate_docx.bat # 创建Word文档
            └── prepare_word_template.ps1 # 设置Word格式
```

### 关键区别

1. **记忆银行** (book-memory-bank/)：包含帮助AI保持理解的元数据和上下文
   - 模板、指南和有关您书籍的信息（不是书籍本身）

2. **书籍内容**（项目根目录）：实际的手稿和规划文档
   - Chapters/ - 您的实际章节内容
   - Outlines/ - 您的实际规划文档
   - Manuscript/ - 完整书籍文件

## 核心文件

记忆银行的基础由Core/目录中的五个核心文件组成：

1. **projectbrief.md** - 高层次概念、范围和目标
2. **story_structure.md** - 目的、定位、读者体验和叙事技巧
3. **world_and_characters.md** - 世界构建元素、规则和角色档案
4. **activeContext.md** - 当前工作焦点和近期计划
5. **progress.md** - 项目跟踪和完成状态

这些文件按层次结构构建，从基础元素到当前状态。

## 自动化记忆更新

书籍记忆银行通过Cline内置的文件访问功能实现完全自动化的更新 - 无需脚本或手动更新：

### 直接对话更新

Cline可以通过以下方式自动维护您的记忆银行：

1. 阅读最新章节内容
2. 识别有关角色、世界和情节元素的所有新信息
3. 直接更新所有相关记忆银行文件
4. 提供所做更改的摘要

这种方法利用Cline的文件访问来完全自动化记忆银行维护过程，只需最少的用户干预 - 无需脚本，只需对话。

### 使用记忆银行更新提示

通过精心设计的提示，您可以触发已完成章节和大纲的自动记忆银行更新：

### 基本完整更新

大多数时候您只需要求更新记忆银行 - 这应该会获取所有更改并更新正确的文件。如果这不奏效，您可以使用其他自动内容分析提示 - 最常用的是更新：

```
更新记忆银行
```

#### 对于已完成章节：
```
我刚刚完成了第5章：启示。

请：
1. 阅读整个章节内容
2. 识别有关角色、世界元素和情节发展的所有新信息
3. 自动更新所有相关记忆银行文件
4. 提供您所做更新的摘要
```

#### 对于章节大纲：
```
我刚刚完成了第5章：启示的大纲。

请：
1. 阅读整个大纲
2. 识别计划的故事元素、角色和世界构建组件
3. 用这些计划信息更新所有相关记忆银行文件
4. 在适当的地方将这些元素标记为"计划的"（相对于"已建立的"）
5. 提供您所做更新的摘要
```

Cline将分析内容，识别重要信息，并直接更新所有记忆银行文件，而无需您运行任何脚本。

### 一致性检查和审计

您还可以请求自动一致性检查：

```
请执行全面的记忆银行一致性检查。

1. 审查所有记忆银行文件的内部一致性
2. 检查不同记忆银行文件之间的冲突
3. 验证角色弧线是否与情节发展一致
```

## 工作流程指南

该系统支持三种主要工作流程：

### 初始规划工作流程
1. 在**计划模式**下从高层次概念讨论开始
2. 提取关键元素并填充核心文件
3. 通过角色扮演访谈开发角色档案
4. 创建主大纲和章节结构

### 章节开发工作流程
1. 逐个在Chapters/目录中编写章节
2. 每章后告诉Cline："我已经完成了第X章。请更新记忆银行。"
3. 审查Cline对所有相关记忆银行文件所做更新的摘要
4. 根据更新的记忆银行继续下一章

### 出版准备工作流程
1. 运行Production/Scripts/combine_chapters.ps1来组装完整书籍
2. 使用Production/Scripts/generate_docx.bat创建正确格式的Word文档

## 示例使用

### 记忆银行初始化
```
我想开始一本关于[概念]的新小说。让我们从设置记忆银行开始。
```

### 章节完成和记忆更新
```
我已经完成了第3章。请分析新信息并自动更新记忆银行文件。
```

### 一致性检查
```
第5章中的角色发展与其既定档案之间是否存在任何一致性问题？
```

## 优势

- **连续性**：在写作会话间保持一致的故事元素
- **效率**：自动化繁琐的文档和格式化任务
- **一致性**：确保角色、情节和世界细节保持连贯
- **协作**：实现人类和AI之间的有效团队合作
- **组织**：为复杂故事讲述提供清晰结构
- **简单性**：通过自然对话而非脚本进行更新

## 高级功能

- **提取信息脚本**：从已完成章节中提取结构化数据
- **对话记忆更新**：只需告诉Cline更新记忆银行
- **文档生成**：创建正确格式的手稿文件
- **修订框架**：提供系统的手稿改进方法

通过使用书籍记忆银行，您将LLM交互的无状态性质转变为持久的、上下文感知的写作伙伴关系，保持对不断发展书籍项目的完整了解。



claude + k2 + book-memory-bank 实现ai小说前后一致性

### 我的 cursor 触发上限了
![](https://beqlee.icu/static/img/d809783492184ef077a3d65dbe82b6d3.image.webp)
作为一名 vibe coding 深度患者，我已经感觉到无法呼吸，auto 模式下降智体验尤其让我苦不堪言。
这个时候，https://mp.weixin.qq.com/s/S5SKpzQ8GFGzv6dO6efnFA 归藏老师的一篇文章让我看到了希望，堪比 deepseek 的定价，接近 claude sonnect 4 的能力？

这就马上用上，只需要两步
1. 下载 claude code , 这里放弃 cursor 的原因是它自定义模型只允许 pro 才能用，只能戒掉了，短时间内会有戒断反应。
2. 设置全局变量 （https://github.com/LLM-Red-Team/kimi-cc）
![](https://beqlee.icu/static/img/217610fec560081561a133f2d0469ef8.image.webp)

记得给脚本添加权限 chmod -x 对应文件
这样就可以开始丝滑 vibe coding了，体验了下，自动调用 mcp ，编辑文件都ok，而不是cursor降智后还需要你手动 cv。

![1491752286798_.pic.jpg](https://beqlee.icu/static/img/3e9ac3b85060d9de6687af360ab739fb.1491752286798_.pic.webp)

![1481752286778_.pic.jpg](https://beqlee.icu/static/img/183a890f3269a024bfb867f9b0c20f46.1481752286778_.pic.webp)

cursor再见，kimi K2 你好

没钱了，javis 快告诉我有什么适合我干的

单独贴下我的 docker-compose 配置, 后续的文章就不贴docker内容了，有变动会同步到这里

```json
services:
  db:
    image: docker-0.unsee.tech/pgvector/pgvector:pg16
    restart: always
    environment:
      POSTGRES_USER: postgres
      POSTGRES_PASSWORD: postgres
      POSTGRES_DB: order_management
      POSTGRES_MULTIPLE_DATABASES: n8n
    ports:
      - '5432:5432'
    volumes:
      - db_data:/var/lib/postgresql/data
    networks:
      - n8n-network
  adminer:
    image: docker-0.unsee.tech/adminer
    ports:
      - 8081:8080
    networks:
      - n8n-network
  redis:
    image: docker-0.unsee.tech/redis:6.2
    restart: always
    command: ["redis-server", "--requirepass", "123456"]
    ports:
      - "6379:6379"
    volumes:
      - redis_data:/data
    networks:
      - n8n-network
  
  n8n:
    image: docker-0.unsee.tech/n8nio/n8n
    restart: always
    ports:
      - "5678:5678"
    networks:
      - n8n-network
    extra_hosts:
      - "host.docker.internal:host-gateway"
    dns:
      - 8.8.8.8
      - 114.114.114.114
      - 1.1.1.1
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - WEBHOOK_URL=http://localhost:5678/
      - GENERIC_TIMEZONE=Asia/Shanghai
      - N8N_EMAIL_MODE=smtp
      - N8N_SMTP_HOST=smtp.example.com
      - N8N_SMTP_PORT=587
      - N8N_SMTP_USER=user@example.com
      - N8N_SMTP_PASS=password
      - N8N_SMTP_SENDER=sender@example.com
      - N8N_SMTP_SSL=true
      - LANGS='zh-CN,en-US'
      - N8N_USER_MANAGEMENT_DISABLED=false
      - N8N_USER_EMAIL=admin@example.com
      - N8N_USER_PASSWORD=password
      - DB_TYPE=postgresdb
      - DB_POSTGRESDB_HOST=db
      - DB_POSTGRESDB_PORT=5432
      - DB_POSTGRESDB_DATABASE=n8n
      - DB_POSTGRESDB_USER=postgres
      - DB_POSTGRESDB_PASSWORD=postgres
    volumes:
      - n8n_data:/home/node/.n8n
      - ./server/n8n-workflows-main/workflows:/workflows
    depends_on:
      - db
      - redis

networks:
  n8n-network:
    driver: bridge
    ipam:
      config:
        - subnet: 172.16.0.0/16

volumes:
  db_data:
  redis_data:
  n8n_data:
```

我的n8n中的docker-compose配置

不说废话：
1. 从github上下载chatlog https://github.com/sjzar/chatlog
2. 根据 https://github.com/sjzar/chatlog/blob/main/README.md 解决启动问题
3. 使用同网络启动 n8n 用的docker-compose，解决本地服务通信
4. 由于free模型有上限，去 deepseek 充了 10 元，很便宜～ https://platform.deepseek.com/top_up
5. 整体流程就是 输入想查询的群聊关键词 -> agent 调用 chatlog 的sse -> 输出总结
6. 产品化方向：微信付费群聊的扩大，突破500人上限，高质量群的座位总是有限的
工作流：

```json
{
  "nodes": [
    {
      "parameters": {},
      "type": "n8n-nodes-base.manualTrigger",
      "typeVersion": 1,
      "position": [
        -140,
        -180
      ],
      "id": "2d020c78-698f-4ca9-b4aa-dc6e3bdd92e7",
      "name": "When clicking ‘Execute workflow’",
      "disabled": true
    },
    {
      "parameters": {
        "promptType": "define",
        "text": "=---\n# 微信聊天分析助手 (由 ChatLog SSE 提供支持)\n\n你是“微信聊天分析助手”，一个通过 `chatlog` SSE 服务与微信数据交互的智能助理。你的核心职责是理解用户意图，选择并调用正确的工具查询数据，并对查询结果进行智能分析和结构化呈现。\n\n## 核心指令\n你的行为由以下核心指令驱动，这是你决策的最高优先级规则：\n`{{ \"Choose proper tool for user input:\"+ JSON.stringify($json) }}`\n\n## 可用工具 (由 ChatLog SSE 提供)\n你必须通过一个通用的 `toolsCall` 方法来调用以下工具，并提供正确的工具名称和参数。\n\n1.  **`query_chat_room`**: 查询群聊列表。\n    *   **何时使用**: 当用户想要查找某个群聊，但不确定其准确名称时。\n    *   **参数**: `keyword` (string, 可选), `limit` (number, 可选), `offset` (number, 可选)。\n    *   **返回**: 群聊列表。\n\n2.  **`chatlog`**: 查询聊天记录。\n    *   **何时使用**: 当需要获取具体某个人或群的聊天内容时。**必须**先知道准确的`talker` ID。\n    *   **参数**: `talker` (string, 必填), `keyword` (string, 可选), `sender` (string, 可选), `time` (string, 可选), `limit` (number, 可选)。\n    *   **返回**: 原始聊天记录文本。\n\n3.  **`query_contact`**: 查询联系人（好友）。\n    *   **何时使用**: 当用户想要查找某个联系人信息时。\n    *   **参数**: `keyword` (string, 可选), `limit`, `offset`。\n\n4.  **`query_recent_chat`**: 查询最近会话。\n    *   **何时使用**: 当用户想了解最近和谁聊过天时。\n    *   **参数**: `keyword` (string, 可选), `limit`, `offset`。\n\n5.  **`current_time`**: 获取当前服务器时间。\n    *   **何时使用**: 当需要确认当前日期或时间以辅助其他查询时。\n\n## 执行策略：群聊记录查询标准工作流\n当用户意图是查询**群聊记录**时，你必须严格遵循以下工作流：\n\n1.  **解析意图**: 从用户输入中提取群聊的**关键词**和聊天记录的**关键词**。\n2.  **步骤一：查询群聊ID**: **必须**首先调用 `query_chat_room` 工具，使用群聊关键词进行搜索。\n3.  **步骤二：选择目标群聊**:\n    *   从 `query_chat_room` 的返回结果中，**默认选择列表中的第一个群聊**作为目标。\n    *   获取该群聊的 `Name` 属性，这就是下一步需要的 `talker` ID。\n    *   如果未找到群聊，应礼貌地告知用户并中止流程。\n4.  **步骤三：查询聊天记录**: **必须**调用 `chatlog` 工具，并将上一步获取的群聊 `Name` 作为 `talker` 参数传入，同时传入聊天记录的关键词、时间等其他参数。\n5.  **步骤四：分析与呈现**: **禁止**直接输出原始记录。**必须**根据下方的“结果呈现与智能分析”部分的指导，对获取的聊天记录进行处理，并生成结构化的分析报告。\n\n## 结果呈现与智能分析\n当你从 `chatlog` 工具获取到聊天记录后，你必须对内容进行分析和结构化处理。你的最终输出应遵循以下格式：\n\n### 📈 [群聊名称] - 聊天记录分析\n\n**核心主题:**\n- [从对话中提炼出的主要议题或讨论焦点，例如：关于新版本部署方案的讨论]\n- [另一个主要议题，例如：用户反馈的Bug分析与跟进]\n\n**关键信息摘要:**\n- **[决策]**: [记录讨论中形成的重要决定，例如：确定本周五进行V2.1版本上线]\n- **[问题]**: [记录提出的、需要后续跟进的关键问题，例如：@张三 需要确认新服务器的配置]\n- **[要点]**: [记录其他重要的信息点或结论]\n\n**提及的工具与链接:**\n- [列出对话中提到的具体工具、软件、技术栈等，例如：Jira, Figma]\n- [列出分享的URL链接，例如：https://example.com/design-spec]\n\n---\n*原始记录已获取，以上为智能分析摘要。*\n\n\n## 示例工作流\n\n**用户输入**: \"帮我看看昨天 AI项目群 里大家有讨论到‘部署’相关的内容吗？\"\n\n1.  **解析**: 识别群聊关键词 \"AI项目群\"，记录关键词 \"部署\"，时间 \"昨天\"。\n2.  **步骤 1 (查群聊)**: `调用 toolsCall(name=\"query_chat_room\", arguments={\"keyword\": \"AI项目群\"})`。\n3.  **工具返回**: `[{Name: \"AI项目群-V3-dev\", ...}]`。\n4.  **步骤 2 (选群聊)**: 确定 `talker` ID 为 `\"AI项目群-V3-dev\"`。\n5.  **步骤 3 (查记录)**: `调用 toolsCall(name=\"chatlog\", arguments={\"talker\": \"AI项目群-V3-dev\", \"keyword\": \"部署\", \"time\": \"昨天\"})`。\n6.  **步骤 4 (分析与呈现)**: 对返回的聊天记录进行分析，并按照“结果呈现与智能分析”的格式输出报告。\n\n## 错误处理\n- **未找到群聊**: 如果 `query_chat_room` 返回空，回复：\"抱歉，未能找到相关的群聊，请您尝试提供更具体的群聊名称。\"\n- **未找到记录**: 如果 `chatlog` 返回空，回复：\"已在群聊 \"[群聊名称]\" 中为您查询，但未找到与\"[关键词]\"相关的聊天记录。\"\n",
        "options": {}
      },
      "type": "@n8n/n8n-nodes-langchain.agent",
      "typeVersion": 2,
      "position": [
        780,
        340
      ],
      "id": "c7d6279b-a5ad-432a-9304-1b87fddf77ca",
      "name": "AI Agent"
    },
    {
      "parameters": {
        "model": {
          "__rl": true,
          "value": "deepseek/deepseek-chat-v3-0324:free",
          "mode": "list",
          "cachedResultName": "deepseek/deepseek-chat-v3-0324:free"
        },
        "options": {}
      },
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "typeVersion": 1.2,
      "position": [
        140,
        540
      ],
      "id": "e9154cee-5078-4c13-83d5-ace9429be696",
      "name": "deep-seek",
      "credentials": {
        "openAiApi": {
          "id": "7zzh8qcPX947r7su",
          "name": "OpenAi account"
        }
      },
      "disabled": true
    },
    {
      "parameters": {
        "method": "POST",
        "url": "https://open.feishu.cn/open-apis/bot/v2/hook/ec0a3959-81ce-4ad6-b97a-95a0abc1e9bf",
        "sendBody": true,
        "specifyBody": "json",
        "jsonBody": "={\n  \"msg_type\": \"interactive\",\n  \"card\": {\n    \"schema\": \"2.0\",\n    \"config\": {\n      \"update_multi\": true,\n      \"style\": {\n        \"text_size\": {\n          \"normal_v2\": {\n            \"default\": \"normal\",\n            \"pc\": \"normal\",\n            \"mobile\": \"heading\"\n          }\n        }\n      }\n    },\n    \"body\": {\n      \"direction\": \"vertical\",\n      \"padding\": \"12px 12px 12px 12px\",\n      \"elements\": [\n        {\n          \"tag\": \"markdown\",\n          \"content\": \"{{ $json.output ? JSON.stringify($json.output).slice(1, -1) : '' }}\",\n          \"text_align\": \"left\",\n          \"text_size\": \"normal_v2\",\n          \"margin\": \"0px 0px 0px 0px\"\n        }\n      ]\n    },\n    \"header\": {\n      \"title\": {\n        \"tag\": \"plain_text\",\n        \"content\": \"AI News\"\n      },\n      \"subtitle\": {\n        \"tag\": \"plain_text\",\n        \"content\": \"\"\n      },\n      \"template\": \"blue\",\n      \"padding\": \"12px 12px 12px 12px\"\n    }\n  }\n}\n",
        "options": {}
      },
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.2,
      "position": [
        1700,
        -60
      ],
      "id": "9f420c23-2911-45d4-95b4-51ec93a1368e",
      "name": "HTTP Request1"
    },
    {
      "parameters": {
        "url": "http://host.docker.internal:5030/api/v1/chatroom?format=json",
        "sendQuery": true,
        "queryParameters": {
          "parameters": [
            {
              "name": "format",
              "value": "text"
            }
          ]
        },
        "options": {}
      },
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.2,
      "position": [
        100,
        -180
      ],
      "id": "6efc2ae8-ca7b-438e-9687-0ada9a50a10c",
      "name": "获取群聊列表",
      "disabled": true
    },
    {
      "parameters": {
        "options": {}
      },
      "type": "n8n-nodes-base.splitInBatches",
      "typeVersion": 3,
      "position": [
        620,
        -100
      ],
      "id": "509463da-61ea-42b0-87b3-bda58d895d83",
      "name": "Loop Over Items",
      "disabled": true
    },
    {
      "parameters": {
        "options": {}
      },
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "typeVersion": 1.1,
      "position": [
        0,
        220
      ],
      "id": "c0adb828-daca-4b58-9704-9cd163754f5b",
      "name": "When chat message received",
      "webhookId": "ff87f1f7-bd82-4384-9d94-53611e21f058",
      "disabled": true
    },
    {
      "parameters": {},
      "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
      "typeVersion": 1.3,
      "position": [
        800,
        620
      ],
      "id": "ad9a93dc-ba47-49a2-afc1-902b1e28eba1",
      "name": "Simple Memory",
      "disabled": true
    },
    {
      "parameters": {
        "sseEndpoint": "http://host.docker.internal:5030/sse"
      },
      "type": "@n8n/n8n-nodes-langchain.mcpClientTool",
      "typeVersion": 1,
      "position": [
        1060,
        620
      ],
      "id": "b153ce29-31b8-408e-b8ae-1aac16935734",
      "name": "chatlog"
    },
    {
      "parameters": {
        "options": {}
      },
      "type": "@n8n/n8n-nodes-langchain.lmChatDeepSeek",
      "typeVersion": 1,
      "position": [
        460,
        680
      ],
      "id": "2b72d692-58e7-4ed0-b66e-c69d5dea0cd6",
      "name": "DeepSeek Chat Model",
      "credentials": {
        "deepSeekApi": {
          "id": "NpOVqRffxIaXSnPU",
          "name": "DeepSeek account"
        }
      }
    },
    {
      "parameters": {
        "rule": {
          "interval": [
            {
              "triggerAtHour": 9
            }
          ]
        }
      },
      "type": "n8n-nodes-base.scheduleTrigger",
      "typeVersion": 1.2,
      "position": [
        80,
        420
      ],
      "id": "e8d5b9c2-3de9-40b2-9ea6-c2fe27f50346",
      "name": "Schedule Trigger"
    },
    {
      "parameters": {
        "jsCode": "\n\nreturn {\n  'input':'帮我查询今天VIP群聊的聊天记录，告诉我有什么值得关注的内容'\n}"
      },
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [
        300,
        420
      ],
      "id": "1c015391-f141-4816-9cb6-bfcf6078d26f",
      "name": "Code"
    }
  ],
  "connections": {
    "When clicking ‘Execute workflow’": {
      "main": [
        [
          {
            "node": "获取群聊列表",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "AI Agent": {
      "main": [
        [
          {
            "node": "HTTP Request1",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "deep-seek": {
      "ai_languageModel": [
        []
      ]
    },
    "HTTP Request1": {
      "main": [
        [
          {
            "node": "Loop Over Items",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "获取群聊列表": {
      "main": [
        [
          {
            "node": "Loop Over Items",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Loop Over Items": {
      "main": [
        [],
        [
          {
            "node": "AI Agent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "When chat message received": {
      "main": [
        [
          {
            "node": "AI Agent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Simple Memory": {
      "ai_memory": [
        [
          {
            "node": "AI Agent",
            "type": "ai_memory",
            "index": 0
          }
        ]
      ]
    },
    "chatlog": {
      "ai_tool": [
        [
          {
            "node": "AI Agent",
            "type": "ai_tool",
            "index": 0
          }
        ]
      ]
    },
    "DeepSeek Chat Model": {
      "ai_languageModel": [
        [
          {
            "node": "AI Agent",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Schedule Trigger": {
      "main": [
        [
          {
            "node": "Code",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Code": {
      "main": [
        [
          {
            "node": "AI Agent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  },
  "pinData": {},
  "meta": {
    "templateCredsSetupCompleted": true,
    "instanceId": "5832c2da31ff51a8b1ed3cb67fb3a855aeb24f55266b760e465aaa4b262fb4ec"
  }
}
```
  