aayoawoyemi/Ori-Mnemos

What it solves

Ori Mnemos は AI エージェント向けに永続的でローカルファーストなメモリ基盤を提供します。コンテキストウィンドウの制限やセッション間の「忘却」問題を、メモリをフラットな文書リストではなくナビゲート可能なナレッジグラフとして扱うことで解決し、エージェントが一貫したアイデンティティを保ちつつ、コストの高いクラウドデータベースに依存せず複雑な情報を取得できるようにします。

How it works

Ori は「Recursive Memory Harness」(RMH) を実装し、メモリを探索すべき環境として扱います。ディスク上の Markdown ファイルを主たるストレージとし、wiki‑link をナレッジグラフのエッジとして利用します。検索は、セマンティック埋め込み、BM25 キーワードマッチ、Personalized PageRank、そして ACT‑R の認知減衰モデルに基づく「連想的温度」の 4 つのシグナルを融合して行われます。

時間とともに改善するために、システムは 3 層の検索インテリジェンスを採用しています：セッション結果に基づく Q‑value 再ランキング、同時に取得されたノート間に共起エッジを作る Hebbian 学習、そして特定クエリタイプに対してどの検索ステージを実行するか最適化するコンテキストバンディットメタラーナーです。

Who it’s for

長期メモリやクライアント間での永続的アイデンティティ（Claude Code、Cursor、Hermes など）を必要とし、ベンダーロックインなしでデータを完全に所有したい AI エージェント開発者向けに設計されています。

Highlights

• Local-First Architecture：Markdown ファイルと SQLite を使用し、クラウド API や外部データベースインフラは不要です。
• Cognitive Forgetting：ACT‑R のベースレベル学習方程式を実装し、関連性と使用頻度に応じてノートを減衰させます。
• Recursive Exploration：複雑な質問をサブクエスチョンに分解し、収束するまでグラフを巡回します。
• MCP Integration：Model Context Protocol (MCP) サーバーを提供し、エージェントが自分のメモリを管理できる 16 のツールを備えています。
• High Performance：マルチホップ検索ベンチマーク (HotpotQA) で Mem0 などの競合製品を上回り、レイテンシーを大幅に低減しています。