Goldentrii/AgentRecall-X
Correction-first persistent memory for AI agents. MCP server + SDK + CLI. Compounds across sessions.
解决的问题
AgentRecall 为 AI 代理提供了一个持久化记忆系统，特别专注于从人类修正中学习。大多数记忆工具关注信息检索，而 AgentRecall 会追踪修正是否真的在不同会话间改变了代理的行为，防止代理重复同样的错误。
工作原理
该系统实现了受控的修正账本和测量框架，以追踪修正从捕获到行为改变的整个生命周期。它将记忆分为五个不同层次：情景记忆（会话日志）、语义记忆（主题聚类的事实）、程序性记忆（IF-THEN 规则）、叙事记忆（项目阶段）和修正记忆（行为校准）。
可通过 MCP 服务器、SDK 或 CLI 集成，并使用“会话循环”（开始、保存、回忆、反思）确保记忆被加载并整合。为增强检索能力，还提供可选的 100% 本地 ONNX 嵌入模型，实现无需依赖云服务的语义搜索。
适用人群
使用 AI 代理（特别是 Claude Code、Cursor、Windsurf 和 VS Code）的开发者，希望代理能记住特定偏好、项目特定规则和修正，以避免重复性错误。
核心亮点
- 行为测量： 追踪“注意率”和“幻影梯度步”以量化代理在被修正后是否真正停止犯错。
- 五层记忆架构： 将认知心理学映射到基于文件系统的记忆存储（情景、语义、程序、叙事和修正）。
- 本地优先隐私保护： 记忆以本地 Markdown 文件形式存储，可选的语义嵌入通过 ONNX 在本地运行。
- 自主整合： 可选的“梦境模式”每晚运行，挖掘模式、衰减低信号信息，并将重复修正提升为跨项目认知。
- 作战室仪表板： 本地优先的可视化界面，用于管理和审查代理所学记忆。
相关
- 项目
- 项目
- 项目
- 项目
- 项目