aayoawoyemi/Ori-Mnemos

What it solves

Ori Mnemos 提供一個持久、以本機為先的記憶基礎設施給 AI 代理。它解決了上下文窗口限制與跨會話「遺忘」的問題，透過將記憶視為可導航的知識圖譜，而非平面文件列表，使代理能維持一致的身份，並在不依賴昂貴雲端資料庫的情況下檢索複雜資訊。

How it works

Ori 實作了「Recursive Memory Harness」(RMH)，將記憶視為可被導航的環境。它以磁碟上的 Markdown 檔案作為主要儲存，wiki‑link 作為知識圖譜的邊。檢索透過語意嵌入、BM25 關鍵字匹配、Personalized PageRank 與「聯想溫度」(基於 ACT‑R 認知衰減模型) 四種訊號融合完成。

為了隨時間改進，系統採用三層檢索智慧：根據會話結果的 Q‑value 重新排序、Hebbian 學習在一起被檢索的筆記之間建立共現邊，以及一個上下文 bandit 元學習器，優化特定查詢類型要執行的檢索階段。

Who it’s for

此工具設計給需要長期記憶、跨不同客戶端保持持久身份（如 Claude Code、Cursor、Hermes 等）的 AI 代理開發者，並且讓使用者完整擁有資料，避免供應商鎖定。

Highlights

• Local-First Architecture：使用 Markdown 檔案與 SQLite，無需雲端 API 或外部資料庫基礎設施。
• Cognitive Forgetting：實作 ACT‑R 基礎層學習方程式，依相關性與使用情況衰減筆記。
• Recursive Exploration：將複雜問題分解為子問題，並在圖中遍歷直至收斂。
• MCP Integration：提供 Model Context Protocol (MCP) 伺服器，內建 16 個工具讓代理管理自己的記憶。
• High Performance：在多跳檢索基準 (HotpotQA) 上超越 Mem0 等競爭者，且延遲顯著降低。