M-flow

摘要

M-flow 是一种记忆系统，专为 AI 代理设计，通过在知识图谱中对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，而不仅仅依赖相似度搜索。

工作原理

M-flow 将知识组织为四层锥形图：Episode（广泛上下文）、Facet（Episode 内的主题）、FacetPoint（原子事实）和 Entity（命名实体）。在检索过程中，向量搜索会找到与查询粒度匹配的入口点，然后图会沿着语义加权的边传播证据，以最强的推理链为依据对每个知识单元进行评分。每跳会增加成本，因此只有连贯且低成本的路径才能保持竞争力。该系统在摄取过程中还会将代名词解析为具体实体，并可选择根据识别出的人脸来分割记忆，以实现多人隔离。

关键特性

• 用于层次化回忆的情景记忆和程序记忆
• 五种检索模式：情景（主要）、程序、三元组补全、词汇、Cypher
• 支持 50+ 种文件格式（PDF、DOCX、HTML、Markdown、图片、音频等）
• 多数据库支持：LanceDB、Neo4j、PostgreSQL/pgvector、ChromaDB、KùzuDB、Pinecone
• 与 LLM 无关：可与 OpenAI、Anthropic、Mistral、Groq、Ollama、LLaMA‑Index、LangChain 一起使用
• 精确摘要，保留事实细节（日期、数字、名称）
• MCP 服务器，将记忆暴露为 Model Context Protocol 工具
• CLI 和 Web UI 用于交互

局限性

README 中未指定任何局限性。

最适用于

需要持久长上下文记忆且具备准确、基于推理的检索的 AI 代理，如 LoCoMo‑10 和 LongMemEval 基准所示。