RichmondAlake/memorizz

解決的問題

Memorizz 是一個用於建構可在會話與對話間記憶資訊的 AI 代理的框架。它透過提供結構化的多層記憶系統與持續學習的控制平面，解決了 LLM 的「遺忘」問題，讓代理能隨著時間持續保留並優化知識。

如何運作

實作了多種記憶類型（情節記憶、語義記憶、程序記憶、短期記憶與共享記憶），並支援可插入的儲存提供者，如 MongoDB、Oracle 或本地檔案系統。框架使用語意檢索（嵌入與向量搜尋）與實體記憶來處理類似個人檔案的資訊。同時具備「元 harness」，可在共享記憶與策略控制平面後方執行其他程式碼代理（如 Claude Code 或 OpenHands）。

適用對象

開發記憶增強型 AI 代理的開發者、探索 LLM 中持續學習的研究人員，以及希望擁有本地 Web UI 與 CLI 的持久化、個人化 AI 助手的使用者。

主要特色

• 多層記憶：支援情節記憶、語義記憶、程序記憶與短期記憶系統。
• 持續學習：自動將成功的工具工作流程提升為可重用的技能。
• 元 harness：一個控制平面，可於共享記憶與主機驗證結果下執行外部代理（如 Codex、OpenHands）。
• MCP 連接性：對 Model Context Protocol (MCP) 提供原生支援，可連接 Notion、Google 日曆等工具。
• 本地 LLM 支援：原生整合 Hugging Face、MLX（Apple Silicon）、Ollama 與 OpenAI 相容伺服器。
• 生產治理：包含持久的主機審核、沙盒式程式碼執行與上下文視窗遙測。