aayoawoyemi/Ori-Mnemos

解決的問題

Ori Mnemos 為 AI 代理提供了持久、本地優先的記憶基礎設施。它透過讓代理使用磁碟上的純 Markdown 檔案，跨對話、客戶端和機器儲存與檢索資訊，解決了上下文視窗限制和供應商鎖定的問題，從而消除了對昂貴雲端向量資料庫的需求。

運作方式

Ori 實作了一個「遞迴記憶套件」（RMH），將記憶視為可導航的知識圖譜，而非扁平的文件列表。它使用 wiki-links 作為邊，並結合四種檢索訊號——語義嵌入、BM25 關鍵字比對、Personalized PageRank 和關聯溫度——來尋找資訊。

該系統採用了受認知啟發的機制：

• 啟動衰減：筆記會隨著時間根據 ACT-R 方程式淡出，除非它們被頻繁存取。
• 遞迴探索：複雜的查詢會被分解為子問題，並在圖譜中遍歷直到收斂。
• 檢索智慧：系統使用 Q 值重新排序和赫布學習，在共同檢索的筆記之間增長邊，有效地從自身的使用模式中學習。

適用對象

正在構建 AI 代理的開發者，他們需要在模型變更或客戶端切換後仍能存活的長期、可攜式記憶，以及那些希望完全擁有資料所有權而不依賴雲端 API 的人。

亮點

• 零雲端依賴：使用本地嵌入和 SQLite 進行索引，核心功能無需任何 API 金鑰。
• 本地優先儲存：資料以人類可讀的 Markdown 檔案儲存，使其對 Git 友好且易於攜帶。
• MCP 整合：提供具有 16 個工具的 Model Context Protocol (MCP) 伺服器，可與 Claude Code、Cursor 和 Hermes 等代理無縫整合。
• 高效能：在多跳檢索基準測試 中優於現有系統，並在長期對話記憶 上媲美頂級系統。
• Token 效率：透過僅檢索相關片段而非將整個知識庫傾倒至上下文視窗中，大幅降低 Token 成本。