Mnemosyne – 代理的本地优先 AI 记忆

它是什么

Mnemosyne 是一个开源、以 SQLite 为后端的记忆层，任何 LLM 驱动的代理都可以使用。它将事实、嵌入和时间三元组存储在本地，并可通过以下方式访问：

• MCP 服务器（一个简单的 JSON-over-STDIO / SSE / HTTP 协议），可与许多现有代理（Claude Code、Cursor、Codex、OpenWebUI 等）配合使用，
• Python SDK（remember、recall），或
• Hermes 插件，用于 Hermes 代理框架。

所有这些只需单一 pip install mnemosyne-memory 即可运行，且不需要外部向量数据库或云服务 – 唯一的依赖是 SQLite 数据库文件。

核心概念

组件	角色
工作记忆	在 LLM 调用前自动注入的热上下文；项目在 TTL 后过期。
情景记忆	使用 SQLite-vec + FTS5 进行混合向量关键词搜索的长期存储。
TripleStore	带版本化的时间知识图谱（主语-谓语-宾语）。
BEAM（双层情景-关联记忆）	结合三层的整体架构，并将结果评分为 50% 向量相似度 + 30% FTS5 排名 + 20% 重要性。

向量是二进制（MIB） – 384 维浮点嵌入被压缩为 48 字节，实现 32 倍大小缩减，并允许直接在 SQLite 内进行汉明距离搜索。

如何使用

CLI（快速开始）

pip install mnemosyne-memory          # 核心
pip install "mnemosyne-memory[all]"   # 完整功能集

# 启动 MCP 服务器（默认 stdio）
mnemosyne mcp

# 存储和检索事实
mnemosyne store "User prefers dark mode"
mnemosyne recall "preferences"

Python SDK（嵌入任何代理）

from mnemosyne import remember, recall

remember("User prefers dark mode", importance=0.9)
results = recall("dark mode", top_k=3)

您也可以设置范围、过期时间、提取实体，或让 LLM 提取事实（extract=True）。

集成示例

平台	集成方式
Cursor、Claude Code、Codex、Windsurf	在平台的 *.json 配置文件中添加 MCP 条目。
OpenWebUI	将单行桥接文件放入 data/tools/。
OpenClaw	安装 mnemosyne-memory[openclaw] 并在配置中引用提供者。
Hermes Agent	安装 mnemosyne-hermes；插件会自动注册记忆提供者。
任何 Python 代理	import mnemosyne 并调用 SDK。

完整的集成指南位于 docs/integrations/。

基准测试（如报告所述）

• BEAM 端到端问答（100K 项目）：65.2%（v3.0.0，2026 年 5 月）– 与其他开源记忆系统相当。
• BEAM 纯检索：Recall@10 在 100K 到 10M 项目间保持约 20%，而延迟在 10M 时降至 35 毫秒，存储空间次线性增长（10M 条目为 7.2 MB）。
• LongMemEval：先前声称 98.9% 的召回率，但该运行已撤回，等待可重现的重新运行。

关键要点是，随着语料库增长，检索质量保持稳定，且系统使用情景压缩来保持存储空间极小。

安全与隐私模型

• 本地优先：默认情况下，没有任何数据离开机器。
• 可选同步：设备之间的双向增量同步，具有客户端加密（AES-128-CBC 或 XSalsa20-Poly1305）。服务器只看到元数据。
• 无遥测：除非您启用远程嵌入 API，否则没有分析或云调用。
• 可配置的 TLS，用于任何远程同步或嵌入端点。

配置重点

变量	默认值	控制内容
MNEMOSYNE_DATA_DIR	~/.hermes/mnemosyne/data	SQLite 文件的位置
MNEMOSYNE_VEC_TYPE	int8	向量压缩格式（float32、int8、bit）
MNEMOSYNE_EMBEDDING_API_URL	OpenRouter 端点	远程嵌入服务（如果您不运行本地嵌入）
MNEMOSYNE_EMBEDDING_MODEL	BAAI/bge-small-en-v1.5	要使用的嵌入模型
MNEMOSYNE_WM_MAX_ITEMS	10000	热工作记忆缓存的大小

环境变量可让您调整权重（MNEMOSYNE_VEC_WEIGHT、FTS_WEIGHT、IMPORTANCE_WEIGHT）和近期衰减。

谁可能使用它？

• 构建自定义 LLM 代理的开发者，他们想要持久、可搜索的记忆，而无需运行单独的向量数据库。
• 在本地或边缘设备部署的团队（Raspberry Pi、低 RAM VPS），因为整个堆栈只需几百 MB。
• 注重隐私的用户，他们需要跨设备的加密同步。

当前状态

Mnemosyne 是一个真实、积极维护的开源项目（MIT 许可证），目标是解决与 Mem0、Letta、Honcho 等相同的问题领域，但其区别在于：

• 纯 Python，单一 SQLite 文件，
• 内置 MCP 服务器，可即插即用于许多现有代理，以及
• 客户端加密同步作为核心功能。

---

以上所有细节均直接取自存储库的 README。