ThinkfleetAI/memmesh

解決的問題

MemMesh 為 AI 代理提供持久性、本地優先的記憶系統，消除對託管向量資料庫、外部搜尋叢集，以及強制性 LLM 呼叫進行記憶提取的需求。它防止代理在會話之間遺忘資訊，同時將資料完全保留在使用者的機器上，以確保隱私與成本效益。

如何運作

以單一 Rust 二進位檔形式提供，使用本地資料庫（SQLite 或 Postgres）與小型本地嵌入模型（bge-small）實現語意與關鍵字混合搜尋。透過 Model Context Protocol (MCP) 與 AI 工具整合，可輕鬆接入 Claude Code、Cursor 和 Windsurf 等工具。系統使用啟發式過濾器自動捕獲提示中的實質性資訊，無需 LLM 即可排除對話中的冗餘內容。

適用對象

使用 Claude Code、Cursor 或 Windsurf 等工具的 AI 代理開發者與使用者，希望其代理具備持久、私密、本地儲存的記憶，而無需管理複雜基礎設施或支付 API 呼叫費用。

特色亮點

• 本地優先架構：僅需一個二進位檔與一個設定檔；無需外部向量資料庫或強制性 API 呼叫。
• MCP 原生支援：與主流 AI 編程工具與代理無縫整合。
• 混合搜尋：結合本地嵌入實現的語意搜尋與關鍵字搜尋。
• 雙時間模型：同時追蹤事件發生時間與資訊被學習的時間。
• 自動捕獲：使用啟發式過濾器自動觀察並儲存實質性事實與偏好。
• 啟發式提取：無需 LLM 即可在本地完成資訊提取。