moorcheh-ai/memanto

解决的问题

Memanto 是一个专为管理 AI 代理群的长期记忆而设计的内存代理。与仅持久化数据的标准向量存储不同，Memanto 会主动对数据进行整理——解决矛盾、合并重复项、过期陈旧信息，以防止随着时间推移在代理记忆中积累的“噪声”问题。

如何工作

Memanto 不仅是一个简单的 API，而是一个作为辅助代理运行的系统，通过观察代理交互流来提取持久性知识。它使用类型化的语义记忆系统（将记忆分类为 decision、preference 或 fact 等类型）和基于信息论的检索引擎。通过一系列自动化行为来管理记忆资产：

• 提取与整合： 从对话中提取知识，并将碎片合并为统一的资产。
• 协调： 当新知识与旧知识冲突时，检测并版本化矛盾。
• 可控遗忘： 执行过期策略（例如，7 天后退役上下文记忆），以保持记忆的清晰度。
• 简报： 在代理执行操作前，提供最小且相关的记忆片段，而非要求代理查询数据库。
• 可移植性： 使用开放知识格式（OKF），将资产存储为可移植、人类可读的 Markdown 文件。

适用人群

在不同框架和供应商（如 Claude Code、Cursor 和自定义堆栈）上构建 AI 代理群的开发者，他们需要一个共享、可审计、可移植的记忆层，且不会被锁定在特定平台中。

主要亮点

• 跨平台同步： 通过一条命令即可连接 Claude Code、Cursor、Windsurf 和 GitHub Copilot 等多种工具。
• 本地优先主权： 可通过 Docker 和 Ollama 完全在本地部署，无需任何出站调用。
• 时间点回溯： 支持时间点查询，可查看在特定日期或自特定版本以来，整个代理群曾相信的内容。
• 策略驱动过期： 可自定义 YAML 策略，用于固定重要记忆或自动过期低置信度的猜测。
• 开放格式： 记忆以 OKF（Markdown）格式存储，支持 diff、grep，且在不同提供者之间迁移极为简便。