verygoodplugins/automem

解决的问题

AutoMem 为 AI 助手提供长期记忆，使其能够在不同的聊天会话和工具之间记住决策、偏好和上下文。它避免了用户重复输入信息，并允许助手检索决策背后的「原因」，而不仅仅是孤立的文本片段。

工作原理

AutoMem 采用结合图数据库（FalkorDB）和向量数据库（Qdrant）的混合存储方法。

• 图层：将记忆存储为带有 11 种类型关系的节点（例如 PREFERS_OVER、LEADS_TO、EXEMPLIFIES），使系统能够遍历连接以发现推理和上下文。
• 向量层：为每条记忆存储嵌入（embedding），以支持语义相似性搜索。

回忆通过混合查询处理，根据语义相似性、图遍历、时间对齐、标签重叠和重要性对结果进行排序。系统还实现了生物记忆巩固周期（衰减、创造、聚类、遗忘），以在时间推移中强化重要记忆并淡化无关记忆。

适用人群

希望拥有可本地或云端托管的持久化、工具无关记忆层的 Claude、Cursor、ChatGPT、Copilot 等 AI 助手的开发者和用户。

主要亮点

• 混合记忆：结合基于图的关联记忆与向量搜索，实现更深层次的上下文检索。
• 无需 LMM 的回忆：直接通过图和向量索引进行查找，避免在检索时产生额外的 LLM 成本和延迟。
• 跨工具兼容性：通过本地或远程 Model Context Protocol (MCP) 桥接连接到各种助手。
• 神经科学启发：实现记忆巩固周期，以管理知识的演化与衰减。
• 可自托管：可通过 Docker、Railway 或作为纯 Python 服务部署。