aayoawoyemi/Ori-Mnemos

解決する課題

Ori Mnemosは、AIエージェント向けの永続的でローカルファーストなメモリインフラストラクチャを提供します。ディスク上のプレーンなMarkdownファイルを使用して、セッション、クライアント、マシン間で情報を保存および取得できるようにすることで、コンテキストウィンドウの制限とベンダーロックインの問題を解決し、高価なクラウドベースのベクトルデータベースの必要性を排除します。

仕組み

Oriは「Recursive Memory Harness」（RMH）を実装しており、メモリをフラットなドキュメントのリストではなく、ナビゲート可能な知識グラフとして扱います。wiki-linksをエッジとして使用し、意味的埋め込み、BM25キーワードマッチング、Personalized PageRank、結合的温かさの4つの検索シグナルを組み合わせて情報を見つけます。

システムは認知に基づくメカニズムを採用しています：

• 活性度減衰：頻繁にアクセスされない限り、ノートはACT-R方程式に基づいて時間とともに薄れます。
• 再帰的探索：複雑なクエリはサブ質問に分解され、収束するまでグラフ間を横断します。
• 検索インテリジェンス：システムはQ値の再ランク付けとヘッブ学習を使用して、一緒に取得されたノート間のエッジを成長させ、自身の使用パターンから効果的に学習します。

対象者

モデルの変更やクライアントの切り替え後も存続する長期的でポータブルなメモリを必要とするAIエージェントを構築する開発者、およびクラウドAPIに依存せずにデータを完全に所有したいと考えている方。

ハイライト

• クラウド依存ゼロ：ローカル埋め込みとSQLiteをインデックス作成に使用し、コア機能にAPIキーを必要としません。
• ローカルファーストストレージ：データは人間が読めるMarkdownファイルとして保存され、Gitに適合しポータブルです。
• MCP統合：16のツールを備えたModel Context Protocol (MCP)サーバーを提供し、Claude Code、Cursor、Hermesなどのエージェントとシームレスに統合します。
• 高性能：マルチホップ検索ベンチマーク（HotpotQA）で既存のシステムを上回り、長期的な会話メモリ（LoCoMo）でトップシステムに匹敵します。
• トークン効率：コンテキストウィンドウにボールト全体をダンプする代わりに、関連するスニペットのみを取得することで、トークンコストを劇的に削減します。