mnemosyne-oss/mnemosyne

The Zero-Dependency, Sub-Millisecond AI Memory System for Hermes Agents and Everyone Else!

解决的问题

AI Agent 经常在长期上下文和记忆保留方面遇到困难。Mnemosyne 提供了一个通用的记忆层，允许 Agent 在不需要外部云服务或复杂基础设施的情况下存储和检索信息。

工作原理

Mnemosyne 使用一种称为 BEAM (Bilevel Episodic-Associative Memory) 的三层架构：

  • Working memory: 一个具有基于 TTL 驱逐机制的热上下文层，用于满足即时会话需求。
  • Episodic memory: 使用基于 SQLite 的混合搜索方法（向量相似性 + 关键词搜索）的长期存储。
  • TripleStore: 一个跟踪随时间变化的关系和版本的时序知识图谱。

它利用信息论二值化 (MIB) 将高维嵌入压缩为小的二进制格式，从而允许直接在 SQLite 中进行高速检索。

适用对象

  • AI Agent 开发者: 任何使用 SDK 在 Python 中构建自定义 Agent 的人。
  • 高级用户: 通过 Model Context Protocol (MCP) 使用 Cursor、Claude Code、Windsurf 或 OpenWebUI 等现有工具的用户。
  • 注重隐私的用户: 希望拥有本地优先记忆，并为同步提供可选客户端加密的用户。

亮点

  • 零依赖: 通过单个 pip install 即可运行，并使用单个 SQLite 文件。
  • 高性能: 在记忆基准测试中实现了亚毫秒级的延迟和高召回率。
  • 通用集成: 支持 MCP、Python SDK 以及各种流行 AI 接口的插件。
  • 隐私优先: 默认本地优先，无遥测数据，并提供可选的加密同步。