OpenMemory：它是什麼、解決了什麼問題以及為何受到關注

它解決了什麼

OpenMemory 是一個認知記憶引擎，旨在透過提供耐用的長期記憶系統，防止 AI 代理與大型語言模型（LLM）出現「失憶」情況。不同於一般的 RAG（檢索增強生成）或簡單的向量資料庫，它著重於理解記憶的本質——例如資訊是事實、偏好，還是情緒狀態——以及這些記憶隨時間的演變方式。

它如何運作

OpenMemory 採用分層記憶分解（Hierarchical Memory Decomposition）架構。它會將輸入分類到不同的記憶領域（情景、語意、程序、情緒與反思），並儲存在自行託管的資料庫（SQLite 或 Postgres）中。系統使用時間知識圖譜追蹤事實何時成立，並利用「路徑圖」建立關聯連結。召回則透過一套綜合評分機制，考量顯著性、近期性與共同激活，而非僅僅依賴餘弦相似度。

目標使用者

此工具適用於開發 AI 代理、協作助理、日誌系統或程式碼助理的開發者，讓模型能在多個會話間保持持久、可解釋的長期記憶，且不必依賴雲端供應商的鎖定機制。

重點特色

• 多領域記憶：將資訊分類為情景、語意、程序、情緒與反思五大領域。
• 時間推理：追蹤事實的有效期限（valid_from/valid_to），處理真相的演變。
• 本地優先：使用 SQLite 或 Postgres 自行託管，提供 Python 與 Node SDK。
• 可解釋的召回：提供「路徑」追蹤，精確說明為何召回特定記憶。
• 廣泛整合：相容 LangChain、CrewAI、AutoGen，並提供 MCP 伺服器供 Cursor、Windsurf 等 IDE 使用。
• 連接器：可直接從 GitHub、Notion、Google Drive 以及網路爬蟲 ingest 資料。

摘要

一個為 AI 代理設計的認知記憶引擎，提供長期、多領域記憶與時間推理，超越單純向量式 RAG 的限制。

標題

OpenMemory：它是什麼、解決了什麼問題以及為何受到關注