mnemosyne: Mnemosyne: ローカルファーストAIメモリレイヤー

off_topic: false summary: Mnemosyneは、外部サービスやクラウドへの依存を必要とせず、ワーキングメモリ、エピソードメモリ、および時間的知識グラフ（TripleStore）を提供する、ローカルファーストでSQLiteベースのAIエージェント用メモリレイヤーです。 how_it_works: Mnemosyneは、TTL付きのホットコンテキストであるワーキングメモリ、sqlite-vecとFTS5を使用したハイブリッドベクトル・キーワード検索による長期保存を行うエピソードメモリ、および時間的知識グラフのためのTripleStoreの3つのティアで構成されるBEAMアーキテクチャを使用します。スコアリングには、ベクトル類似度（50%）、FTS5ランク（30%）、および重要度（20%）を組み合わせ、SQLite内で埋め込みを効率的に保存するためにバイナリベクトル圧縮（MIB）を使用します。 key_features:

  • MCPまたは直接的なSDKを介して、複数のエージェントフレームワーク（Cursor, Claude Code, Codex, OpenWebUI, OpenClaw, Hermes, etc.）と連携可能
  • Python以外の依存関係なし（埋め込みやフル機能のためのオプションの追加パッケージあり）
  • stdioまたはSSEトランスポート用の組み込みMCPサーバー
  • 直接統合のためのPython SDK
  • メモリ操作のためのCLI（store, recall, stats, sleep, export/import, sync）
  • LongMemEval（98.9% Recall@All@5）およびBEAM（100Kスケールで65.2%のend-to-end QA）でベンチマーク済み
  • デフォルトでローカルファースト、オプションで暗号化同期が可能
  • 環境変数（埋め込みモデル、重みなど）で設定可能
  • Hermes Agentユーザー向けのHermesプラグイン
  • インスタンス間の双方向メモリ同期（Mnemosyne Sync） limitations:
  • BEAMベンチマーク結果はv3.0.0（2026年5月）のものであり、その後の機能強化（polyphonic recall, enhanced recall, SHMR, persona tier）は含まれていません
  • BEAMの検索結果は、スケールに関わらず一律20%のRecall@10を示しています（絶対値は低いですが、スケールに応じて劣化しない点が注目されます）
  • MnemosyneのLongMemEvalメトリクス（Recall@All@5）は、他者のRecall@5と直接比較できません
  • BEAMのend-to-end QAスコアには、競合他社とは異なる判定器（Llama 3.3 70B with DeepSeek V4 Flash）が使用されており、直接比較が制限されます
  • 現在のコードベースでベンチマークを再実行することは、未完了のタスクです

Sources