adoresever/graph-memory

Deepseek Harness、Openclaw知识图谱记忆插件。2026年4月受邀发布在清华大学讨论会。Knowledge Graph + Memory；Knowledge Graph Context Engine for OpenClaw — extracts structured triples from conversations, compresses context 75%, enables cross-session experience reuse

解決する課題

Graph Memoryは、AIエージェントとの長期的な会話における「コンテキストの占有」という問題を解決します。メッセージ履歴が増大するとトークンを過剰に消費し、モデルのパフォーマンスが低下します。本プラグインは、古い履歴をアーカイブしつつ、以前のターンや異なるセッションからの重要な知識を確実に呼び出せるようにすることで、コンテキストウィンドウのオーバーフローを防ぎます。

仕組み

DeepSeek Harness (DSH) および OpenClawのメモリプラグインとして機能します。すべてのメッセージをアクティブなウィンドウに保持するのではなく、直近の数ターンのみを保持し、古い履歴はコンパクトなアーカイブマーカーに置き換えます。完了したターンから抽出された要約と主語-述語-目的語 (SPO) トリプルを格納するために、グラフベースのナビゲーションレイヤーを使用します。関連する古い情報が必要な場合、システムはベクトル検索（FTS5フォールバック付き）を使用してグラフをナビゲートし、グラフノード自体を事実のペイロードとして頼るのではなく、正確な元の質問と最終回答を証拠として呼び出します。

対象ユーザー

DeepSeek Harness (DSH) または OpenClawの開発者およびユーザーで、膨大なトークンコストを発生させることなく、多数の会話ターンや複数のセッションにわたる長期記憶を必要とするエージェントを構築している方。

ハイライト

大幅なトークン削減: 20ターンの会話において、初回リクエストのトークンを最大80%削減した実績があります。
ソース付きリコール: 要約だけでなく、正確な元のソースメッセージを呼び出すことで、事実の正確性を保証します。
永続ストレージ: ローカルのSQLiteを使用し、セッションやプロジェクトをまたいだ安定したメモリを実現します。
軽量な抽出: ユーザーの質問と最終回答のみを抽出し、推論やツールトレースを無視することでメモリをクリーンに保ちます。
柔軟な検索: OpenAI互換の埋め込みエンドポイントによるベクトル検索と、全文検索 (FTS5) フォールバックをサポートしています。