aayoawoyemi/Ori-Mnemos

Local-first persistent agentic memory powered by Recursive Memory Harness (RMH). Open source must win.

解决的问题

Ori Mnemos 为 AI 代理提供了一个持久化、本地优先的内存基础设施。它消除了对云端向量数据库或供应商锁定的依赖，允许代理使用磁盘上的纯 Markdown 文件来存储与检索信息，确保用户拥有所有数据。

运作原理

Ori 实现了递归内存框架 (Recursive Memory Harness, RMH)，将内存视为可导航的知识图谱，而非扁平的搜索索引。它使用 Markdown 文件作为节点，并以 wiki-links 作为边。该系统采用了人类认知的数学模型，包括 ACT-R 激活衰减（用于遗忘不相关信息）与赫布学习 (Hebbian learning)（用于强化共同检索笔记之间的连接）。

检索过程结合了 BM25、嵌入 (embeddings) 与 PageRank 融合。对于复杂查询，系统使用“导航式递归”，将问题分解为子问题并遍历图谱以寻找答案。它可通过 CLI、程序库以及用于直接代理集成的 MCP (Model Context Protocol) 服务器进行访问。

适用对象

专为开发 AI 代理的开发者设计，这些代理需要具备隐私、本地化且能根据使用模式演进的长期跨会话内存。

特色亮点

本地优先架构：使用 Markdown 文件与 SQLite，检索时无需 API 密钥或云端基础设施。
认知遗忘：实现 ACT-R 基础层级学习方程式，自然地衰减并遗忘不重要的信息。
基于图谱的检索：使用个性化 PageRank 与扩散激活来通过 wiki-links 导航内存。
递归探索：将未解决的查询分解为子问题，以引导知识图谱的遍历。
代理集成：提供 Claude Code、Hermes、OpenCode 以及任何 MCP 兼容客户端的桥接。