m_flow: M-flow

M-flow

Summary

M-flow 是一个为 AI agent 设计的记忆系统，它通过对知识图谱中的证据路径进行评分来检索信息，其运作方式类似于认知记忆系统，而非仅仅依赖相似度搜索。

How It Works

M-flow 将知识组织成一个四层圆锥图：Episode (宽泛的上下文), Facet (Episode 内的主题), FacetPoint (原子事实), 以及 Entity (命名实体)。在检索过程中，向量搜索会找到与查询粒度相匹配的入口点，然后图结构会沿着语义加权的边传播证据，通过连接查询的最强推理链为每个知识单元评分。每一次跳转都会增加成本，因此只有连贯且低成本的路径才能保持竞争力。该系统在摄取数据时还会将代词解析为具体的实体，并可以根据识别出的面部进行记忆分区，以实现多人的隔离。

Key Features

  • 分层召回的 Episodic 和 Procedural 记忆
  • 五种检索模式：Episodic (主要), Procedural, Triplet Completion, Lexical, Cypher
  • 支持 50 多种文件格式 (PDF, DOCX, HTML, Markdown, images, audio, 等)
  • 多数据库支持：LanceDB, Neo4j, PostgreSQL/pgvector, ChromaDB, KùzuDB, Pinecone
  • LLM-agnostic：支持 OpenAI, Anthropic, Mistral, Groq, Ollama, LLaMA-Index, LangChain
  • 能够保留事实细节 (日期, 数字, 名称) 的精确摘要生成
  • MCP server 用于将记忆作为 Model Context Protocol 工具暴露出来
  • 提供 CLI 和 web UI 进行交互

Limitations

README 中未指明。

Best For

需要持久、长上下文记忆，并具备准确的、基于推理的检索能力的 AI agent，如 LoCoMo-10 和 LongMemEval 等基准测试所示。

Sources