agentic-box/memora

What it solves

Memora 為 AI Agent 提供持久化且結構化的記憶層。它解決了 Agent 在不同對話階段會丟失上下文的問題，讓它們能夠在持久的知識圖譜中儲存、檢索與連結資訊，而不是僅僅依賴短期的上下文窗口。

How it works

Memora 作為一個 Model Context Protocol (MCP) 伺服器運作，可與 Agent 框架（如 Claude Code）整合。它使用 SQLite 進行本地儲存，並提供可選的雲端同步功能（S3, R2, Cloudflare D1）。

關鍵技術機制包括：

• Semantic Retrieval: 使用向量嵌入（OpenAI, sentence-transformers, 或 TF-IDF）根據語義而非僅僅是關鍵字來尋找相關記憶。
• Graph Relations: 將記憶儲存為具有類型化邊緣（例如「implements」、「supersedes」、「contradicts」）的節點，以映射複雜的關係。
• Document Parsing: 自動將 Markdown 文件拆解為可搜尋的片段（claims, risks, plan items），同時將文件本身維持為單一單元。
• AI-Powered Maintenance: 利用 LLM 來去重相似的記憶，並分析儲存數據中的模式或知識缺口。

Who it’s for

• 需要長期記憶與跨對話階段上下文的 AI Agent 開發者。
• MCP 相容工具（如 Claude Code 或 Codex CLI）的使用者，希望其 Agent 能記住專案特定細節、TODOs 與研究內容。
• 需要視覺化知識圖譜來稽核與互動式地操作 Agent 內部記憶的團隊。

Highlights

• Interactive Knowledge Graph: 內建的 HTTP 伺服器提供記憶的即時視覺化，包括時間軸與 RAG 驅動的聊天介面。
• Cloud Sync: 支援 Cloudflare D1 與 S3/R2，用於持久化的遠端記憶儲存。
• Hybrid Search: 結合了全文檢索、日期範圍、標籤過濾與語義向量檢索。
• Document Fragmenting: 將結構化文件拆解為可搜尋的片段樹，以確保細粒度的檢索。
• Neovim Integration: 包含一個 Telescope plugin，可直接在編輯器中瀏覽記憶內容。"},