verygoodplugins/automem

Long-term memory for AI assistants. Graph + vector store that recalls decisions, relationships, and context across sessions.

What it solves

AutoMem 提供 AI 助手的长期记忆，解决标准 RAG 与向量数据库的限制。传统 RAG 常只依据关键词相似度返回文档，缺乏对上下文的理解与随时间学习的能力；AutoMem 同时存储类型化关系与嵌入向量，能够回忆的不仅是孤立事实，还包括决策背后的推理、备选方案与原则。

How it works

AutoMem 使用双重存储架构来管理记忆：

  • Graph Layer (FalkorDB): 作为规范记录，将记忆以节点形式存储，并以 11 种特定关系类型（例如 PREFERS_OVER、LEADS_TO、CONTRADICTS）相连。
  • Vector Layer (Qdrant): 为每条记忆存放嵌入向量，以支持语义搜索。

回忆通过结合语义相似度、图遍历、时间对齐与重要性的混合查询完成。系统还实现了受神经科学启发的巩固周期（Decay、Creative、Cluster、Forget），在时间推移中加强重要连接、淡化不相关信息。可通过 Model Context Protocol (MCP) 桥接或直接的 REST API 集成到 AI 客户端。

Who it’s for

  • 独立开发者、专业用户或小团队，想在不同 AI 工具（如 Claude、Cursor、ChatGPT）之间拥有持久记忆层。
  • 偏好使用 Docker 或 Railway 自行托管数据，避免供应商锁定的用户。
  • 开发需要大范围上下文扩展与高效关联记忆检索的 AI 代理。

Highlights

  • Hybrid Retrieval: 结合图形多跳发现与向量嵌入，提供更深层次的上下文。
  • Typed Relationships: 支持 11 种可自定义的边类型，捕捉因果、矛盾等复杂逻辑。
  • Biological Consolidation: 通过周期性巩固模拟人类记忆，修剪低相关数据并聚类模式。
  • High Efficiency: 为大范围上下文扩展优化，减少回答者的 token 数量，同时在大型数据集上保持高检索性能。