ScottRBK/forgetful

解決的問題

Forgetful 為 AI 代理提供一個共享且持久的知識庫，解決了在不同會話、裝置或不同代理應用之間出現的上下文遺失問題。它允許代理儲存並檢索有關使用者、專案和決策的資訊，從而無需反覆提醒相同細節。

工作原理

它作為一個 Model Context Protocol (MCP) 伺服器運作，代理可連接至該伺服器。它遵循 Zettelkasten 原則，要求記憶必須是原子的（每筆筆記僅包含一個概念）。當儲存一條記憶時，系統會使用 FastEmbed 產生語意嵌入，並根據相似度分數自動連結至相似的現有記憶，從而建立知識圖譜。它支援 SQLite 與 PostgreSQL 作為儲存後端，並可透過 STDIO 或 HTTP 傳輸進行部署。

適用對象

需要在多個代理工作流程中保持一致性和上下文的 AI 代理開發者與使用者（例如 Claude Code、Cursor 或自訂機器人）。

主要亮點

• 自動知識圖譜：自動連結語意相似的記憶，建構知識網路。
• 原子記憶：強制每筆筆記僅包含一個概念，以確保清晰性與精確檢索。
• 實體追蹤：支援追蹤具體實體（如人、組織、裝置）及其關係。
• 本地優先：可完全在本地運行，使用 FastEmbed 進行嵌入，SQLite 作為儲存。
• 代理協調：包含計畫、任務與程序化「技能」功能，支援多代理協調。