LycheeMem/LycheeMem

Lightweight Long-Term Memory for LLM Agents.

What it solves

LycheeMemory は軽量な長期記憶インフラを提供し、コンテキストウィンドウの制限やセッション間で情報が失われる問題を解決します。エージェントはユーザー、好み、過去の出来事に関する永続的な知識を保持でき、巨大なコンテキストウィンドウや単純なフラットベクトルストアに依存する必要がありません。

How it works

LycheeMemory は記憶を 4 つの専門ストアに分けて管理します。

  • Working Memory: デュアルスレッショルドのトークン予算でアクティブな会話を管理します。予算がほぼ上限に達するとバックグラウンドで圧縮（要約）をトリガーし、コンテキストを軽量に保ちます。
  • Semantic Memory: 階層型メモリツリー（SQLite + LanceDB）で型付けされたレコード（事実、好み、イベント、制約等）を保存します。"Record Fusion Engine" が類似メモリを統合し、密度の高い複合レコードを生成し、Transformer ベースのリランカーで検索精度を向上させます。
  • Procedural Memory: 再利用可能なスキルや手法を保存し、HyDE（Hypothetical Document Embeddings）で検索します。
  • Visual Memory: マルチモーダルストアで VLM を用いた画像理解と、キャプション＋CLIP の二重埋め込みでクロスモーダル検索を行い、エビングハウスの忘却曲線でデータを管理します。

システムは Python API、HTTP MCP（Model Context Protocol）サーバ、あるいは OpenClaw、Claude Code、Hermes などのエージェントランタイム向けネイティブプラグインとして統合可能です。

Who it’s for

永続的な長期記憶が必要で、ユーザーの好みを自動的に呼び出し、複数セッションにわたって過去の失敗や成功から学習できるエージェントシステムを構築する開発者向けです。

Highlights

  • Multi-layered Storage: SQLite、LanceDB、ファイルシステムを組み合わせ、効率的な検索と保存を実現。
  • Action-Aware Memory: 使用統計と失敗パターンを追跡し、将来の強化学習シグナルの種として活用。
  • MCP Compatible: HTTP エンドポイント経由で任意の MCP 対応クライアントと簡単に統合可能。
  • Automatic Consolidation: 型抽出、コンテキスト除去、階層クラスタリングのパイプラインを提供。
  • Transformer Reranker: セマンティック検索時の証拠選択精度を高める専用リランカーを搭載。