M-flow

摘要

M-flow 是一種記憶系統，專為 AI 代理設計，透過在知識圖譜中對證據路徑進行評分來檢索資訊，其運作方式類似於認知記憶系統，而非僅依賴相似度搜尋。

運作方式

M-flow 將知識組織為四層錐形圖：Episode（廣泛上下文）、Facet（Episode 內的主題）、FacetPoint（原子事實）和 Entity（命名實體）。在檢索過程中，向量搜尋會找到與查詢粒度匹配的入口點，然後圖會沿著語義加權的邊傳播證據，以最強的推理鏈為依據對每個知識單元進行評分。每跳會增加成本，因此只有連貫且低成本的路徑才能保持競爭力。該系統在擷取過程中也會將代名詞解析為具體實體，並可選擇根據識別出的人臉來分割記憶，以實現多人隔離。

主要功能

• 用於階層式回顧的情節記憶和程序記憶
• 五種檢索模式：情節（主要）、程序、三元組補全、詞彙、Cypher
• 支援 50+ 種檔案格式（PDF、DOCX、HTML、Markdown、圖片、音訊等）
• 多資料庫支援：LanceDB、Neo4j、PostgreSQL/pgvector、ChromaDB、KùzuDB、Pinecone
• 與 LLM 無關：可與 OpenAI、Anthropic、Mistral、Groq、Ollama、LLaMA‑Index、LangChain 一起使用
• 精確摘要，保留事實細節（日期、數字、名稱）
• MCP 伺服器，將記憶暴露為 Model Context Protocol 工具
• CLI 和網頁 UI 供互動使用

限制

README 中未指定任何限制。

最適用於

需要持久長上下文記憶且具備準確、基於推理的檢索的 AI 代理，如 LoCoMo‑10 和 LongMemEval 基準所示。