mnemosyne: Mnemosyne: 本地优先的 AI 记忆层

off_topic: false summary: Mnemosyne 是一个面向 AI Agent 的本地优先、基于 SQLite 的记忆层，它提供工作记忆、情景记忆和时序知识图谱 (TripleStore)，且无需外部服务或云端依赖。 how_it_works: Mnemosyne 使用 BEAM 架构，分为三个层级：工作记忆（带有 TTL 的热上下文）、情景记忆（使用 sqlite-vec 和 FTS5 进行混合向量与关键词搜索的长效存储）以及用于时序知识图谱的 TripleStore。它结合了向量相似度 (50%)、FTS5 排名 (30%) 和重要性 (20%) 进行评分，并使用二进制向量压缩 (MIB) 在 SQLite 中高效存储嵌入向量。 key_features:

  • 通过 MCP 或直接使用 SDK，支持多种 Agent 框架 (Cursor, Claude Code, Codex, OpenWebUI, OpenClaw, Hermes, 等)
  • 除 Python 外零依赖 (对于嵌入和完整功能提供可选的额外依赖)
  • 内置支持 stdio 或 SSE 传输的 MCP server
  • 用于直接集成的 Python SDK
  • 用于记忆操作的 CLI (store, recall, stats, sleep, export/import, sync)
  • 在 LongMemEval (98.9% Recall@All@5) 和 BEAM (100K 规模下 65.2% 的端到端 QA) 上进行了基准测试
  • 默认本地优先，并提供可选的加密同步功能
  • 可通过环境变量进行配置 (embedding model, weights, 等)
  • 为 Hermes Agent 用户提供的 Hermes plugin
  • 实例之间的双向记忆同步 (Mnemosyne Sync) limitations:
  • BEAM 基准测试结果来自 v3.0.0 (2026 年 5 月) 并不包含后续增强功能 (polyphonic recall, enhanced recall, SHMR, persona tier)
  • BEAM 检索在不同规模下均显示出平稳的 20% Recall@10 (绝对值较低，但其在规模扩大时性能不退化的特性值得注意)
  • Mnemosyne 的 LongMemEval 指标 (Recall@All@5) 与其他工具的 Recall@5 不直接可比
  • BEAM 端到端 QA 评分使用了与某些竞争对手不同的裁判模型 (Llama 3.3 70B with DeepSeek V4 Flash)，限制了直接对比
  • 在当前代码库上重新运行基准测试是一项待办任务

Sources