ruvnet/RuVector

解决的问题

RuVector 为 AI 代理提供持久化且可自适应的记忆基础架构，使代理能够在不依赖数据库服务器或外部 API 密钥的情况下跨会话记住信息。它通过结合语义嵌入、图关系和显式反馈回路，解决了代理的“遗忘”问题，构建了一个可根据结果进化的长期记忆系统。

工作原理

RuVector 使用 Rust 原生核心来管理向量的存储与检索。它支持本地语义嵌入（通过 ONNX 和 all-MiniLM-L6-v2 模型），实现无需按查询计费的搜索。系统将记忆划分为不同类别——工作记忆、情景记忆、语义记忆、程序性记忆和因果记忆，并实现“记忆循环”：代理捕获事件，将其持久化为向量，通过相似性或图遍历进行召回，并根据决策结果调整其排序或学习状态。

适用人群

专为使用 Node.js 或 Rust 构建 AI 代理和服务的开发者设计，需要嵌入式、本地优先的持久化记忆，也适用于构建复杂知识图谱或高写入事件流以支持代理工作流的开发者。

主要亮点

• 本地优先记忆：无需数据库服务器或 API 密钥，使用本地 ONNX 嵌入。
• 多模态记忆类型：支持情景记忆、语义记忆、程序性记忆和因果记忆层。
• 高级检索功能：包含 HNSW 和平面索引、混合稀疏-密集搜索，以及时间衰减机制以优先最近的记忆。
• 可扩展架构：提供专门的 crate 用于图存储、PostgreSQL 扩展和记忆压缩（产品量化、RaBitQ）。
• 代理集成：提供 MCP（模型上下文协议）服务器，便于与 LLM 代理集成。