verygoodplugins/automem

何を解決するか

AutoMem は AI アシスタントの長期記憶を提供し、異なるチャットセッションやツール間で意思決定、好み、文脈を記憶できるようにします。ユーザーが情報を繰り返す必要がなくなり、決定の「なぜ」を単なるテキストの断片ではなく、文脈として再取得できるようになります。

動作方法

AutoMem はグラフデータベース（FalkorDB）とベクトルデータベース（Qdrant）を組み合わせたハイブリッドストレージアプローチを使用しています。

• グラフレイヤー：11種類のタイプ付き関係（例：PREFERS_OVER、LEADS_TO、EXEMPLIFIES）を持つノードとして記憶を保存し、関係をたどることで理由や文脈を発見できます。
• ベクトルレイヤー：すべての記憶の埋め込み（embedding）を保存し、意味的類似性検索を可能にします。

リコールは、意味的類似性、グラフの経路探索、時間的整合性、タグの重複、重要度に基づいて結果をランク付けするハイブリッドクエリによって処理されます。また、生物学的記憶の定着サイクル（劣化、創造的、クラスタリング、忘却）を実装しており、重要な記憶を強化し、不要な記憶を時間とともに薄れさせます。

対象ユーザー

Claude、Cursor、ChatGPT、Copilot などの AI アシスタントの開発者およびユーザーで、ローカルまたはクラウド上にホスト可能な、ツールに依存しない永続的記憶レイヤーを必要とする方々。

特徴

• ハイブリッド記憶：グラフベースの関連記憶とベクトル検索を組み合わせ、より深い文脈の取得を実現。
• LMMフリーのリコール：グラフとベクトルインデックスを直接参照して照会を行うため、リコール時に追加の LLM コストや遅延を回避。
• ツール間互換性：ローカルまたはリモートの Model Context Protocol (MCP) ブリッジを通じて、さまざまなアシスタントに接続可能。
• 神経科学にインスパイア：知識の進化と劣化を管理するための記憶定着サイクルを実装。
• セルフホスト可能：Docker、Railway、または純粋な Python サービスとしてデプロイ可能。