angelnicolasc/graymatter

30 sec to give your AI agents persistent memory. Reduce 90% token consumption while also maintaining quality.

解决的问题

AI代理通常无状态，这意味着它们在会话之间会忘记所有内容。这导致对话历史线性增长，消耗大量上下文令牌并增加成本。GrayMatter 提供了一个持久化、以本地优先的内存层，使代理能够在不注入完整历史记录的情况下跨会话回忆相关事实。

工作原理

GrayMatter 作为一个单一的二进制文件运行，可作为 MCP（模型上下文协议）服务器或 Go 库使用。它使用混合检索系统（向量、关键词和时效性）为给定查询提取最相关的前 8 个事实。它具备一个自我构建的知识图谱，可自动提取带类型的实体并建立链接。为保持记忆质量，它采用确定性衰减系统（30 天半衰期）和异步整合过程，对事实进行总结并清理冗余信息。

适用人群

构建 AI 代理的开发者——特别是 Go 生态系统中的开发者——需要一个零依赖、可嵌入的内存层，可与 Claude Code、Cursor 和 Windsurf 等 MCP 兼容客户端配合使用。

主要亮点

令牌效率：与完整历史注入相比，上下文令牌使用量减少高达 90%。
零依赖：单个静态二进制文件（约 10 MB），无需 Docker、Redis 或云账户。
自建知识图谱：自动提取实体和关系，并支持导出至 Obsidian。
嵌入式降级容错：支持 Ollama、OpenAI、Voyage AI，或回退至仅关键词检索。
可观测性：内置 TUI 仪表板，用于监控内存成本、召回率和代理活动。