CaviraOSS/LongMemory

解决的问题

OpenMemory 为 LLM 和 AI 代理提供了一种认知记忆引擎，以克服「金鱼效应」——即模型在消息之间忘记所有内容。与标准的 RAG（检索增强生成）或简单的向量数据库不同，它实现了一个结构化记忆系统，能够理解信息的性质（事实、事件、偏好）及其随时间的演变。

工作原理

该系统使用分层记忆分解（Hierarchical Memory Decomposition）将信息分为五个领域：情景记忆（事件）、语义记忆（事实）、程序性记忆（技能）、情感记忆（感受）和反思记忆（洞察）。它结合向量搜索与时间知识图谱，追踪事实的有效时间范围（valid_from/valid_to）及其变化。通过结合显著性、新近性和共激活的复合评分系统决定哪些内容被召回，同时由衰减引擎管理自适应遗忘。

可作为本地优先的 SDK（Python 或 Node.js）部署，使用 SQLite/PostgreSQL，也可作为集中式后端服务器，提供 HTTP API 和 MCP（模型上下文协议）服务器，用于与 Cursor 和 Windsurf 等 IDE 集成。

适用人群

需要应用具备持久、可解释且自托管长期记忆的 AI 代理、副驾驶、个性化日记系统和代码助手开发者。

主要亮点

• 多领域记忆：将数据分类为情景、语义、程序、情感和反思领域。
• 时间推理：使用知识图谱追踪真理窗口（valid_from/valid_to），重建时间线。
• 可解释的召回：提供「航点」追踪，明确展示为何特定记忆被召回。
• 本地优先 & 自托管：默认支持本地 SQLite，避免供应商锁定和隐私问题。
• 广泛集成：原生支持 LangChain、CrewAI、AutoGen 和 MCP，提供与 GitHub、Notion 和 Google Drive 的连接器。