24kchengYe/MemoMind

Give your AI agent a brain that remembers. Local memory system for Claude Code — 100% private, GPU-accelerated, zero cloud dependency.

🧠 MemoMind – AI 编码代理的本地 GPU 加速记忆系统

是什么 – MemoMind 是一个自托管系统，为基于 LLM 的编码助手提供持久且结构化的“大脑”。它将助手学到的一切（偏好、决策、对话事实、日常生活事件）存储在 PostgreSQL 数据库中，并通过 pgvector 嵌入和 知识图谱 层进行增强。随后，该代理可以保留新的事实，通过 4 方向混合检索（语义、BM25、图谱、时间）回忆最相关的信息，并反思所有记忆以合成洞察。

为何重要 – 当前大多数 LLM 工具将每次聊天视为全新开始。MemoMind 能够在会话之间、不同提供商（ChatGPT、Gemini、Claude）之间，甚至在无关数据源（你的 DayLife 计划器）之间保持上下文连续。所有数据都 100% 本地化，在你的 GPU 上运行以实现快速嵌入，且从不离开机器，解决了隐私和成本问题。

核心功能（如 README 所述）

本地存储 – PostgreSQL + pgvector，无云依赖。
GPU 加速嵌入 – 使用 NVIDIA GPU 上的 bge‑m3 模型（1024 维）；每项约 50 ms。
4 方向混合检索 – 结合语义相似性、BM25 关键词搜索、基于图谱的实体链接和时间过滤器（关键词 ~20 ms，语义 ~400 ms）。
自动事实提取 – 轻量级 LLM 从每个导入的对话中提取结构化事实。
反思操作 – 更强大的 LLM 可以对整个知识库进行推理，而不仅仅是检索。
多语言支持 – 嵌入覆盖 100+ 种语言。
配套导入工具 – 一键导入 ChatGPT、Gemini 和 DayLife 活动日志；每个记忆都链接回其原始对话。
Web 仪表板 – 可视化浏览知识图谱、时间线视图、过滤器和 JSON 导出功能。
零手动操作 – 代理决定保留什么以及何时回忆；用户只需运行服务即可。
跨提供商兼容性 – 与 OpenAI、Anthropic、Gemini、Groq、Ollama、LM Studio 或任何 OpenAI 兼容 API 一起使用。
备份与导出 – 一键 JSON 转储，可选每周推送到私有 GitHub 仓库。

典型使用场景

使用场景	MemoMind 如何帮助
编码助手	记住你的首选语言、风格、技术栈决策和过去的调试尝试，使下一次会话从正确的上下文开始。
项目管理	将决策、截止日期和障碍作为结构化记忆存储；代理可通过反思过去事件来揭示风险。
调试	无需重新输入整个历史记录即可检索“我们之前尝试过什么”。
团队入职	新成员的代理可立即继承累积的知识图谱。
个人生活助手	DayLife 事件变为可搜索的事实，让 AI 回答“我上次跑马拉松是什么时候？”或“我最一致的习惯是什么？”

架构概览（文本摘要）

数据库层 – PostgreSQL 17 与 vector 扩展（pgvector）。存储原始记忆、嵌入和图谱关系。
嵌入与重排序 – bge‑m3 在本地 NVIDIA GPU（CUDA 12.4）上运行。为每个记忆生成 1024 维向量。
LLM 层 – 使用两个模型：
- 用于从新对话中提取事实的快速、低成本模型。
- 用于 reflect 操作的更强模型（可配置）。
MCP（模型上下文协议）接口 – 暴露三个 RPC 风格调用（retain、recall、reflect），编码代理（如 Claude Code）可通过 stdio 调用。
仪表板 – 轻量级 Python 基础 Web UI（dashboard.py），可视化知识图谱、时间线，并提供搜索/过滤工具。
导入管道 – 小型 Python 脚本（import_daylife.py，ChatGPT/Gemini 导出器）从外部数据导入，运行提取 LLM，并写入数据库。

快速启动摘要（Windows 与 Linux/WSL2）

前提条件：NVIDIA GPU（可选但推荐）、Python 3.11+、PostgreSQL 17、OpenAI 兼容 API 密钥。
安装：
1. git clone https://github.com/24kchengYe/MemoMind.git
2. 创建虚拟环境并安装提供的 requirements（或在 Linux 上运行 install.sh）。
3. 安装 PostgreSQL 和 pgvector 扩展，创建数据库并启用 vector 扩展。
4. 编辑 serve.py 添加你的 LLM API 密钥、基础 URL 和模型名称。
5. 运行 python serve.py（API 在 http://localhost:19999）和 pythonw dashboard.py（UI 在 http://localhost:9999）。
MCP 注册 – 使用 README 中显示的 claude mcp add … 命令将服务绑定到 Claude Code（或任何 MCP 兼容代理）。
自动启动 – Windows 用户可将 start‑memomind.vbs 放入启动文件夹；Linux 用户可启用 memomind.service systemd 单元。

与类似项目的区别

特性	MemoMind	Mem0	Graphiti/Zep	Letta
仅本地	是（100% 本地设备）	云优先（本地层需付费）	云/BYOC	可选自托管
GPU 加速嵌入	是（CUDA）	否	否	否
4 方向混合检索	语义 + BM25 + 图谱 + 时间	语义 + 向量仅	语义 + 图谱	代理驱动
内置知识图谱	pgvector 基础 KG	专业功能 ($)	Neo4j 核心	否
时间推理	原生支持	否	双时间	否
成本	月 < $0.30（本地计算）	免费至 $249/月	免费至 $475/月	免费至 $200/月

MemoMind 定位于已使用 MCP 基础编码代理（如 Claude Code）的开发者，希望获得一个深度本地托管记忆存储，并具备快速 GPU 支持的检索能力。

许可与社区

许可证：MIT（参见 LICENSE）。
验证徽章：“MseeP Verified” – 表示项目通过了外部 AI 工具审计。
平台支持：Windows、Linux、WSL2。
文档：README 包含详细的安装步骤、架构图和演示仪表板。

总结

MemoMind 是一个真正的、生产级别的开源系统，解决了基于 LLM 的编码助手的 健忘症 问题。通过在向量增强的 PostgreSQL 知识图谱中持久化事实，并提供快速、GPU 加速的检索，它让 AI 代理能够从它中断的地方继续对话或编码项目，同时保持数据私密且运行成本低廉。