angelnicolasc/graymatter

解决的问题

AI 代理通常是无状态的，这意味着它们会在会话之间遗忘所有内容。为了维持上下文，开发者通常需要重新注入整个对话历史，这导致 Token 使用量线性增长、成本增加以及性能下降。GrayMatter 提供了一个持久化、可嵌入的记忆层，让代理能够跨会话记忆事实，而无需进行完整的历史注入。

运作方式

GrayMatter 作为一个单一二进制、零依赖的 Go 库或 MCP (Model Context Protocol) 服务器运作。它使用结合向量、关键字和时效性信号的混合召回系统，为特定任务检索最相关的 8 个事实。它具有异步整合流程，可总结、衰减和修剪记忆，并能自动提取类型化实体以构建自动填充的知识图谱。对于像 Claude Code 这样的特定客户端，它可以安装钩子，自动将常规召回注入系统提示词中。

目标对象

正在构建 AI 代理或使用 MCP 兼容客户端（如 Claude Code、Cursor、Codex、OpenCode 和 Antigravity）的开发者，他们需要一种轻量级、离线且与供应商无关的方式来为其代理提供长期记忆。

特色亮点

• 持久化记忆：事实可在会话间保留，并透过语义而非仅仅是关键字进行召回。
• Token 效率：与完整历史注入相比，可减少高达 90% 的上下文 Token。
• 自动构建知识图谱：自动提取实体并根据共同提及进行链接，可导出至 Obsidian。
• 零依赖：以单一约 10MB 的静态二进制文件发布，无需 Docker、Redis 或云端账户。
• 可观测性：包含一个 TUI (Terminal User Interface) 工作台，用于浏览、筛选和管理记忆与知识图谱。
• 策展：支持确定性衰减（30 天半衰期），并允许代理透过 memory_reflect 自行策展记忆。