ThinkfleetAI/memmesh

解决的问题

MemMesh 为 AI 代理提供持久化、本地优先的内存系统，消除了对托管向量数据库、外部搜索集群以及强制性 LLM 调用进行内存提取的需求。它防止代理在会话之间遗忘信息，同时将数据完全保留在用户设备上，以确保隐私和成本效益。

工作原理

以单个 Rust 二进制文件的形式交付，使用本地数据库（SQLite 或 Postgres）和小型本地嵌入模型（bge-small）实现语义与关键词混合搜索。通过 Model Context Protocol (MCP) 与 AI 工具集成，可无缝接入 Claude Code、Cursor 和 Windsurf 等工具。系统使用启发式过滤器自动捕获提示中的实质性信息，无需 LLM 即可丢弃对话中的冗余内容。

适用人群

使用 Claude Code、Cursor 或 Windsurf 等工具的 AI 代理开发者和用户，希望其代理具备持久、私密、本地存储的内存，而无需管理复杂基础设施或支付 API 调用费用。

特色亮点

• 本地优先架构：仅需一个二进制文件和一个配置文件；无需外部向量数据库或强制性 API 调用。
• MCP 原生支持：与主流 AI 编程工具和代理无缝集成。
• 混合搜索：结合本地嵌入实现的语义搜索与关键词搜索。
• 双时间模型：同时追踪事件发生时间和信息被学习的时间。
• 自动捕获：使用启发式过滤器自动观察并存储实质性事实和偏好。
• 启发式提取：无需 LLM 即可在本地完成信息提取。