ScottRBK/forgetful

解决的问题

Forgetful 为 AI 代理提供了一个共享且持久的知识库，解决了在不同会话、设备或不同代理应用之间出现上下文丢失的问题。它允许代理存储和检索有关用户、项目和决策的信息，从而无需反复提醒相同细节。

工作原理

它作为一个 Model Context Protocol (MCP) 服务器运行，代理可以连接到该服务器。它遵循 Zettelkasten 原则，要求记忆必须是原子的（每条笔记一个概念）。当保存一条记忆时，系统使用 FastEmbed 生成语义嵌入，并基于相似度分数自动将其链接到相似的现有记忆，从而构建知识图谱。它支持 SQLite 和 PostgreSQL 作为存储后端，并可通过 STDIO 或 HTTP 传输进行部署。

适用人群

需要在多个代理工作流中保持一致性和上下文的 AI 代理开发者和用户（例如 Claude Code、Cursor 或自定义机器人）。

主要亮点

• 自动知识图谱：自动链接语义相似的记忆，构建知识网络。
• 原子记忆：强制每条笔记仅包含一个概念，以确保清晰性和精确检索。
• 实体追踪：支持追踪具体实体（如人、组织、设备）及其关系。
• 本地优先：可完全在本地运行，使用 FastEmbed 进行嵌入，SQLite 作为存储。
• 代理协调：包含计划、任务和程序化“技能”功能，支持多代理协调。