m_flow: M-flow

M-flow

Summary

M-flowは、知識グラフ内の証拠パスをスコアリングすることで情報を取得する、AIエージェント向けのメモリシステムです。単なる類似性検索に頼るのではなく、認知的なメモリシステムのように動作します。

How It Works

M-flowは、知識を4つのレベルのコーングラフに整理します：Episode (広範なコンテキスト)、Facet (エピソード内のトピック)、FacetPoint (原子的な事実)、およびEntity (名前のあるもの)。検索時には、ベクトル検索によってクエリの粒度に一致するエントリーポイントを見つけ、その後、グラフは意味的に重み付けされたエッジに沿って証拠を伝播させ、クエリに接続する最も強力な推論チェーンによって各知識ユニットをスコアリングします。各ホップにはコストが加算されるため、一貫性があり、低コストのパスのみが競争力を持ちます。また、このシステムは、取り込み時に代名詞を具体的なエンティティに解決し、オプションで認識された顔によってメモリを複数人分離してパーティション化することも可能です。

Key Features

  • 階層的な想起のためのエピソード記憶および手続き型記憶
  • 5つの検索モード：Episodic (プライマリ)、Procedural、Triplet Completion、Lexical、Cypher
  • 50以上のファイル形式をサポート (PDF, DOCX, HTML, Markdown, images, audio, etc.)
  • マルチデータベース対応：LanceDB, Neo4j, PostgreSQL/pgvector, ChromaDB, KùzuDB, Pinecone
  • LLM-agnostic：OpenAI, Anthropic, Mistral, Groq, Ollama, LLaMA-Index, LangChain と連携可能
  • 事実の詳細 (日付, 数値, 名前) を保持する正確な精緻な要約
  • メモリを Model Context Protocol ツールとして公開するための MCP server
  • インタラクションのための CLI と web UI

Limitations

READMEに指定されていません。

Best For

LoCoMo-10 や LongMemEval のようなベンチマークで示されているように、正確で推論に基づいた検索を必要とする、永続的でロングコンテキストなメモリを必要とする AI エージェントに最適です。

Sources