CaviraOSS/LongMemory

解決的問題

OpenMemory 為 LLM 與 AI 代理提供認知記憶引擎，克服「金魚效應」——模型在訊息之間忘記所有內容。與標準的 RAG（檢索增強生成）或簡單的向量資料庫不同，它實作一個結構化記憶系統，能理解資訊的性質（事實、事件、偏好）及其隨時間的演變。

工作原理

系統使用分層記憶分解（Hierarchical Memory Decomposition）將資訊分為五個領域：情節記憶（事件）、語意記憶（事實）、程序性記憶（技能）、情感記憶（感受）與反思記憶（洞察）。結合向量搜尋與時間知識圖譜，追蹤事實的有效時間範圍（valid_from/valid_to）及其變化。透過結合顯著性、新近性與共激活的複合評分系統決定何者被召回，同時由衰減引擎管理適應性遺忘。

可作為本地優先的 SDK（Python 或 Node.js）部署，使用 SQLite/PostgreSQL，也可作為集中式後端伺服器，提供 HTTP API 與 MCP（模型上下文協定）伺服器，用於與 Cursor 和 Windsurf 等 IDE 集成。

適用對象

需要應用具備持久、可解釋且自托管長期記憶的 AI 代理、副駕駛、個人化日記系統與程式碼助手開發者。

主要亮點

• 多領域記憶：將資料分類為情節、語意、程序、情感與反思領域。
• 時間推理：使用知識圖譜追蹤真理窗口（valid_from/valid_to），重建時間軸。
• 可解釋的召回：提供「航點」追蹤，明確展示為何特定記憶被召回。
• 本地優先 & 自托管：預設支援本地 SQLite，避免供應商鎖定與隱私問題。
• 廣泛整合：原生支援 LangChain、CrewAI、AutoGen 與 MCP，提供與 GitHub、Notion 和 Google Drive 的連接器。