verygoodplugins/automem

Long-term memory for AI assistants. Graph + vector store that recalls decisions, relationships, and context across sessions.

What it solves

AutoMem は AI アシスタントに長期記憶を提供し、標準的な RAG やベクトルデータベースの限界に対処します。従来の RAG はキーワード類似度に基づいて文書を返すだけで、コンテキストの理解や時間経過による学習ができません。AutoMem は型付きリレーションシップと埋め込みベクトルの両方を保存し、単なる事実だけでなく、意思決定の背後にある推論、代替案、原則までを呼び起こすことができます。

How it works

AutoMem はデュアルストレージアーキテクチャで記憶を管理します：

Graph Layer (FalkorDB): 正規記録として機能し、記憶をノードとして保存し、PREFERS_OVER、LEADS_TO、CONTRADICTS など 11 種類の特定リレーションシップで接続します。
Vector Layer (Qdrant): 各記憶の埋め込みベクトルを保存し、セマンティック検索を可能にします。

リコールはセマンティック類似度、グラフトラバーサル、時間整合、重要度を組み合わせたハイブリッドクエリで実行されます。システムはまた、神経科学にインスパイアされた統合サイクル（Decay、Creative、Cluster、Forget）を実装し、重要な接続を強化し、時間とともに不要な情報をフェードアウトさせます。Model Context Protocol (MCP) ブリッジまたは直接的な REST API を通じて AI クライアントに統合できます。

Who it’s for

Claude、Cursor、ChatGPT など異なる AI ツール間で永続的な記憶層を求めるソロ開発者、プロシューマー、または小規模チーム。
Docker や Railway でデータをセルフホストし、ベンダーロックインを回避したいユーザー。
大規模コンテキストスケーリングと連想記憶の効率的な取得が必要な AI エージェントを構築する開発者。

Highlights

Hybrid Retrieval: グラフベースのマルチホップ探索とベクトル埋め込みを組み合わせ、より深いコンテキストを提供。
Typed Relationships: 因果関係や矛盾など複雑なロジックを捉える 11 種類のエッジタイプをサポート。
Biological Consolidation: 定期的なサイクルで人間の記憶を模倣し、低関連データを剪定しパターンをクラスタリング。
High Efficiency: 大規模コンテキストスケーリングに最適化され、回答者へのトークン数を削減しつつ、大規模データセットで高い検索性能を維持。