m_flow: M-flow

M-flow

Summary

M-flow 是一個為 AI agent 設計的記憶系統，透過在知識圖譜中為證據路徑評分來檢索資訊，其運作方式類似於認知記憶系統，而非僅僅依賴相似度搜尋。

How It Works

M-flow 將知識組織成四層錐形圖：Episode (廣泛上下文)、Facet (Episode 中的主題)、FacetPoint (原子事實) 以及 Entity (具名實體)。在檢索過程中，向量搜尋會找到與查詢粒度相匹配的進入點，接著圖譜會沿著語義權重的邊進行證據傳播，透過將查詢與該知識單元連接起來的最強推理鏈來為其評分。每一次跳轉都會增加成本，因此只有連貫且低成本的路徑才能保持競爭力。系統在攝取過程中也會將代名詞解析為具體的實體，並可選擇根據識別出的面孔來劃分記憶，以實現多人的隔離。

Key Features

  • Episodic 與 Procedural 記憶，用於階層式召回
  • 五種檢索模式：Episodic (主要)、Procedural、Triplet Completion、Lexical、Cypher
  • 支援 50+ 種檔案格式 (PDF, DOCX, HTML, Markdown, images, audio, 等)
  • 多資料庫支援：LanceDB, Neo4j, PostgreSQL/pgvector, ChromaDB, KùzuDB, Pinecone
  • LLM-agnostic：可與 OpenAI, Anthropic, Mistral, Groq, Ollama, LLaMA-Index, LangChain 搭配使用
  • 精確的摘要生成，能保留事實細節 (日期, 數字, 姓名)
  • MCP server 用於將記憶作為 Model Context Protocol 工具公開
  • 提供 CLI 與 web UI 進行互動

Limitations

README 中未指定。

Best For

需要持久、長上下文記憶，且具備準確、基於推理的檢索能力的 AI agent，如 LoCoMo-10 與 LongMemEval 等基準測試所示。

Sources