taylorsatula/mira-OSS

What it solves

MIRA 旨在创建具有持久记忆与回溯能力的数字实体，克服标准 LLM 上下文窗口的短暂特性。它消除“开始新聊天”的功能，迫使系统自行管理长期的历史与身份。

How it works

MIRA 使用多层记忆架构来保持连续性：

• First-Person Memory: 不使用第三人称日志，MIRA 生成对话片段的第一人称摘要，这些摘要会合并成带有绝对时间戳的“记忆”，以维持自我感和叙事连贯性。
• Self-Managed Memory: 记忆会根据使用公式随时间衰减，除非被频繁访问或关联，防止上下文腐烂而无需手动整理。
• Domaindocs: 稳定、加密的长文本文件，MIRA 可以自主展开或折叠以节省 token。
• Subcortical Layer: 回答前的信息检索阶段，负责解析代词、抽取实体，并在主模型生成答案前准备必要的上下文。
• Peanut Gallery: 每五轮对话监测一次的元认知观察者，若对话偏离轨道会提供指导或纠正。
• Text-Based LoRA: 行为适应循环，分析对话模式，并每七个使用日将其折叠进系统提示中的描述性用户模型。

Who it’s for

想要一个持久、可演化的 AI 伴侣或代理人，能够记住用户偏好、工作历史和特定行为需求，且无需手动管理聊天记录或独立的知识库的用户。

Highlights

• Continuous Conversation: 单一、永恒的对话线索方式。
• Agentic Tool Use: 工具会从文件系统中被发现，并可由 MIRA 使用 invokeother_tool 动态加载，以避免 token 浪费。
• Provider Neutrality: 通过方言系统支持多家 LLM 提供商。
• Automated Context Management: 结合段落折叠、实时压缩和语义相似度，实现高效记忆检索。