aayoawoyemi/Ori-Mnemos

What it solves

Ori Mnemos 提供一个持久、以本地为先的记忆基础设施给 AI 代理。它解决了上下文窗口限制和跨会话“遗忘”的问题，通过将记忆视为可导航的知识图谱，而不是平面文档列表，使代理能够保持一致的身份，并在不依赖昂贵云数据库的情况下检索复杂信息。

How it works

Ori 实现了“Recursive Memory Harness”(RMH)，把记忆当作可被导航的环境。它使用磁盘上的 Markdown 文件作为主要存储，wiki‑link 作为知识图谱的边。检索通过语义嵌入、BM25 关键词匹配、Personalized PageRank 与“联想温度”（基于 ACT‑R 认知衰减模型）四种信号融合完成。

为了随时间改进，系统采用三层检索智能：基于会话结果的 Q‑value 重新排序、Hebbian 学习在一起被检索的笔记之间创建共现边，以及一个上下文 bandit 元学习器，优化特定查询类型要运行的检索阶段。

Who it’s for

它面向需要长期记忆、跨不同客户端保持持久身份（如 Claude Code、Cursor、Hermes 等）的 AI 代理开发者，并且让用户完整拥有数据，避免供应商锁定。

Highlights

• Local-First Architecture：使用 Markdown 文件和 SQLite，无需云 API 或外部数据库基础设施。
• Cognitive Forgetting：实现 ACT‑R 基础层学习方程式，根据相关性和使用情况衰减笔记。
• Recursive Exploration：将复杂问题分解为子问题，并在图中遍历直至收敛。
• MCP Integration：提供 Model Context Protocol (MCP) 服务器，内建 16 个工具让代理管理自己的记忆。
• High Performance：在多跳检索基准 (HotpotQA) 上超越 Mem0 等竞争者，且延迟显著降低。