开源项目 Kiyomizu：支持 Claude 特化缓存与情感记忆的 LLM 网关

开源社区发布了一款名为 Kiyomizu 的轻量级 LLM 网关，旨在通过技术手段赋予 AI 更持久的记忆与人格化特征。该项目基于 Java 开发，以“Write Once, Run Anywhere”为理念，通过单一的 Fat JAR 文件简化部署流程，支持接入 Cherry Studio 等前端客户端。Kiyomizu 的核心技术亮点在于对 Anthropic Claude 模型的深度适配。针对 Claude 独特的缓存降价策略，该项目实现了特化的缓存控制模式，允许开发者配置 TTL（生存时间）及断点数量，解决了第三方网关难以自动标记缓存断点的问题，从而有效降低长对话的 Token 成本。在交互体验上，Kiyomizu 引入了基于 Embedding 的记忆检索系统与情感量化机制。系统会自动提取对话关键摘要并转化为向量，通过计算余弦相似度在后续对话中召回相关记忆。同时，系统还会基于交互内容评估“亲密度”与“信任度”并存入数据库，使 AI 能够根据长期关系调整回复风格。作者坦言该项目属于 Vibe Coding 快速构建的“玩具”性质，存在一定安全风险，建议仅在本地或局域网环境运行。

事件分析

💡 核心观点：通过封装 Claude 缓存机制与基于向量检索的情感量化，该项目探索了以低成本构建持久记忆型 AI 应用的技术路径。