grpcer/ownmem

解决的问题

OwnMem 为 AI 编码代理提供了一个受控的、原生 Git 的记忆系统。它通过将项目知识以可审查的 Markdown 文件形式存储在代码仓库内部，而非不透明的云数据库中，解决了「记忆污染」和不可靠 AI 回忆的问题。这使得多个不同的 AI 代理（如 Claude Code、Cursor 或 Gemini CLI）可以共享一个单一、确定性的真相源，该源可进行版本控制、审计，并像代码一样轻松回滚。

工作原理

OwnMem 将记忆的编写与向代理交付的过程分离：

1. Git 原生存储：知识以 Markdown 格式存储在 .ownmem/ 中。信任凭证和元数据与文本分开存放，防止 AI 简单地将自身内容声明为可信。
2. 编译：在查询时，不直接读取原始文本，而是将记忆编译为不可变、内容寻址的快照，实现快速、可复现的召回。
3. 确定性检索：使用五个本地候选通道（精确匹配、BM25F、n-gram、模糊匹配、图）在无需外部 LLM 或网络调用的情况下查找相关信息。
4. 交付门控：在信息传递给代理之前，必须通过四个关卡（相关性、认识论有效性、任务适用性、行动风险）。若证据不足，系统可能将信息隔离或拒绝交付。
5. 有限演化：系统可自动更新低风险元数据（R0），但高风险变更（如新增正文或政策更新）需经人工审查。

适用人群

专为希望 AI 代理具备透明、可审查、随代码迁移的项目专属记忆的开发团队设计。适合那些将治理和本地优先隐私置于最大召回量之上的用户。

核心亮点

• 跨代理兼容：支持多种主机，包括 Claude Code、Codex、Cursor 和 Gemini CLI。
• 基于证据的信任：内容无法自我授权；独立的凭证决定内容是否交付。
• 本地优先：默认排名基于本地，无需检索 API 费用或网络请求。
• 确定性召回：相同的查询和快照始终产生相同的排名结果。
• 安全回滚：自动编辑包含经验证的逆操作，可在不删除历史记录的情况下恢复到先前状态。