M-flow

サマリー

M-flow は、知識グラフにおける証拠パスのスコアリングを通じて情報を取得することで、AI エージェントのための記憶システムとして機能し、類似度検索に頼るだけではなく、認知的記憶システムのように動作します。

仕組み

M-flow は知識を 4 レベルのコーングラフに整理します：Episode（広いコンテキスト）、Facet（Episode 内のトピック）、FacetPoint（原子的事実）、および Entity（名前付きのもの）。検索時に、ベクトル検索がクエリの粒度に合致するエントリポイントを見つけ、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し、クエリに接続する最強の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。各ホップはコストを追加するため、コヒーレントで低コストのパスのみが競争力を保ちます。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記憶をパーティション分割し、マルチパーソンの分離を行うことができます。

主な機能

• 階層的な想起のためのエピソード記憶とプロシージャル記憶
• 5 つの検索モード：エピソード（プライマリー）、プロシージャル、トリプレット補完、レキシカル、Cypher
• 50 以上のファイル形式をサポート（PDF、DOCX、HTML、Markdown、画像、オーディオなど）
• マルチデータベースサポート：LanceDB、Neo4j、PostgreSQL/pgvector、ChromaDB、KùzuDB、Pinecone
• LLM に依存しない：OpenAI、Anthropic、Mistral、Groq、Ollama、LLaMA‑Index、LangChain と連携可能
• 事実の詳細（日付、数字、名前）を保持する正確な要約
• メモリを Model Context Protocol ツールとして公開する MCP サーバー
• インタラクションのための CLI とウェブ UI

制限事項

README に特に制限は指定されていません。

最も適している用途

LoCoMo‑10 や LongMemEval などのベンチマークで示されているように、持続的な長文脈メモリと正確で推論ベースの検索が必要な AI エージェントに最適です。