moorcheh-ai/memanto

Memory that AI Agents Love!

解决的问题

AI 代理经常面临上下文重置的问题，即一旦会话结束，它们就会忘记之前的指令或事实。传统的记忆工具通常是被动的，需要代理手动查询和解析数据，这会消耗 Token 并增加延迟。Memanto 通过提供一个跨会话持久化的主动记忆层来解决这些问题，通过相关检索减少 Token 使用量，并消除索引延迟。

工作原理

Memanto 作为一个伴随代理运行，执行三个核心操作：remember、recall 和 answer。它使用信息论语义引擎 (Moorcheh) 来提供精确检索，无需传统的向量数据库流水线或重排序。它将记忆分为 13 种内置类型（如 instruction、fact 和 goal），并支持时间查询以考虑近期性。用户可以通过 Docker/Ollama 完全本地运行，或使用托管云服务。

适用对象

专为 AI 编程助手和代理（如 Claude Code、Cursor、Windsurf 和 GitHub Copilot）的开发者和用户设计，他们需要其代理保持长期连续性，并避免在每个新会话中重新解释代码库或偏好。

亮点

  • 主动记忆管理：自动执行 remember、recall 和 answer 操作。
  • 零索引延迟：记忆在存储后即可立即被搜索。
  • 类型化语义记忆：使用 13 个类别按类型组织信息（例如：决策、偏好、目标）。
  • 高可移植性：支持开放知识格式 (*.md 文件)，允许用户在不同工具之间迁移记忆资产。
  • 广泛的集成：通过简单的 CLI 命令连接包括 Cursor、Windsurf 和 Cline 在内的 20 多个代理。