agentscope-ai/ReMe

解决的问题

ReMe 为 AI Agent 提供本地优先的长期记忆层，允许它们将对话和外部资源转换为结构化、可搜索且可编辑的知识库。通过创建一个人类和 Agent 都可以直接读写的持久记忆系统，解决了 Agent 在不同会话间遗忘信息的问题。

工作原理

ReMe 将“记忆视为文件”，使用带有 frontmatter 和 wikilinks 的 Markdown 文件来存储信息。它遵循“捕获-索引-整合-召回”循环：

• Capture: 原始对话 (session/) 和外部资源 (resource/) 被处理成每日记忆卡 (daily/)。
• Index: 后台进程维护用于检索的 BM25、wikilink 图谱以及可选的嵌入索引。
• Consolidate: “auto-dream” 过程将稳定的知识从每日卡中提取，并分类为个人事实、流程和通用维基知识，转化为长期记忆节点 (digest/)。
• Recall: Agent 使用混合搜索（BM25、embeddings 和 wikilink 遍历）来检索信息。

适用对象

• AI Agent 开发者: 构建个人助手（如 QwenPaw, Hermes）或编程 Agent（如 Claude Code）并需要持久、人类可读的记忆层的开发者。
• LLM 应用构建者: 希望将 AI 交互和笔记转换为链接式 Markdown 知识库的用户。
• 自我进化型 Agent: 通过保存成功路径和反思来从经验中学习的 Agent 开发者。

亮点

• 人类可读的记忆: 记忆以普通的 Markdown 文件形式存储，使用户可以直接编辑。
• 自我进化的知识库: 通过 auto_memory、auto_resource 和 auto_dream 任务自动将原始数据转换为长期记忆。
• 混合搜索: 结合了关键词匹配 (BM25)、语义召回 (embeddings) 和关系扩展 (wikilinks)。
• Agent 友好型集成: 支持多种集成路径，包括 Python SDK、HTTP API、MCP 服务器和 CLI 技能。