aayoawoyemi/Ori-Mnemos

解決する課題

Ori Mnemosは、AIエージェント向けに永続的かつローカルファーストなメモリ基盤を提供します。クラウド依存のベクトルデータベースやベンダーロックインを排除し、ディスク上のプレーンなMarkdownファイルを使用して情報を保存・取得することで、ユーザーがすべてのデータを完全に所有できるようにします。

仕組み

OriはRecursive Memory Harness (RMH) フレームワークを実装しており、メモリをフラットな検索インデックスではなく、ナビゲート可能な知識グラフとして扱います。Markdownファイルをノード、wiki-linksをエッジとして使用します。システムは、ACT-Rの活性化減衰（無関係な情報を忘れるため）やヘブ学習（同時に取得されたノート間の接続を強化するため）など、人間の認知に関する数学的モデルを採用しています。

検索は、BM25、埋め込み (embeddings)、PageRankの融合によって処理されます。複雑なクエリに対しては「ナビゲートされた再帰」を使用し、質問をサブ質問に分解してグラフを走査し、回答を見つけ出します。CLI、プログラムライブラリ、および直接的なエージェント統合のためのMCP (Model Context Protocol) サーバーを通じてアクセス可能です。

対象ユーザー

プライベートかつローカルで、使用パターンに基づいて進化できる長期的なセッション間メモリを必要とするAIエージェントを構築する開発者向けに設計されています。

ハイライト

• ローカルファーストアーキテクチャ: MarkdownファイルとSQLiteを使用し、検索にAPIキーやクラウドインフラストラクチャを必要としません。
• 認知的忘却: ACT-Rの基本レベル学習方程式を実装し、重要でない情報を自然に減衰させて忘却します。
• グラフベースの検索: パーソナライズされたPageRankと拡散活性化を使用して、wiki-links経由でメモリをナビゲートします。
• 再帰的探索: 未解決のクエリをサブ質問に分解し、知識グラフの走査を誘導します。
• エージェント統合: Claude Code、Hermes、OpenCode、およびMCP互換クライアント向けのブリッジを提供します。