OpenMemory：它是什么、解决了什么问题以及为何受到关注

它解决了什么

OpenMemory 是一种认知记忆引擎，旨在通过提供持久的长期记忆系统，防止 AI 代理和大语言模型出现“失忆”。与传统的 RAG（检索增强生成）或简单的向量数据库不同，它侧重于理解记忆的本质——例如一条信息是事实、偏好还是情感状态——以及这些记忆随时间的演变方式。

工作原理

OpenMemory 使用层次记忆分解（Hierarchical Memory Decomposition）架构。它将输入分类到不同的记忆部门（情景、语义、程序、情感和反思），并将其存储在自托管的数据库（SQLite 或 Postgres）中。它采用时间知识图谱来追踪事实何时成立，并使用“路标图”（waypoint graph）来建立关联链接。召回通过复合评分系统实现，考虑显著性、近期性和共激活，而不仅仅是余弦相似度。

适用人群

该工具面向构建 AI 代理、协作助手、日志系统或编码助理的开发者，他们需要模型在会话之间保持持久、可解释的长期记忆，并且不依赖云端供应商锁定。

亮点

• 多部门记忆：将信息分类为情景、语义、程序、情感和反思部门。
• 时间推理：通过 valid_from/valid_to 跟踪事实的有效性，以处理不断变化的真相。
• 本地优先：使用 SQLite 或 Postgres 自托管，提供 Python 和 Node SDK。
• 可解释召回：提供“路标”追踪，精准展示为何召回特定记忆。
• 广泛集成：兼容 LangChain、CrewAI、AutoGen，并提供 MCP 服务器供 Cursor、Windsurf 等 IDE 使用。
• 连接器：可直接从 GitHub、Notion、Google Drive 和网络爬虫中摄取数据。

---

摘要： 为 AI 代理提供长期、多部门记忆和时间推理的认知记忆引擎，超越了简单的基于向量的 RAG。

标题： OpenMemory：它是什么、解决了什么问题以及为何受到关注