agentscope-ai/ReMe

解決的問題

ReMe 為 AI Agent 提供本地優先的長期記憶層，允許它們將對話與外部資源轉換為結構化、可搜尋且可編輯的知識庫。透過建立一個人類與 Agent 都可以直接讀寫的持久記憶系統，解決了 Agent 在不同對話間遺忘資訊的問題。

工作原理

ReMe 將「記憶視為檔案」，使用帶有 frontmatter 與 wikilinks 的 Markdown 檔案來儲存資訊。它遵循「捕獲-索引-整合-召回」循環：

• Capture: 原始對話 (session/) 與外部資源 (resource/) 會被處理成每日記憶卡 (daily/)。
• Index: 後台程序維護用於檢索的 BM25、wikilink 圖譜以及選配的嵌入索引。
• Consolidate: 「auto-dream」程序會從每日卡中提取穩定的知識，並將其分類為個人事實、流程與通用維基知識，轉化為長期記憶節點 (digest/)。
• Recall: Agent 使用混合搜尋（BM25、embeddings 與 wikilink 遍歷）來檢索資訊。

適用對象

• AI Agent 開發者: 正在構建個人助手（如 QwenPaw, Hermes）或程式碼 Agent（如 Claude Code）並需要持久、人類可讀記憶層的開發者。
• LLM 應用建置者: 希望將 AI 互動與筆記轉換為連結式 Markdown 知識庫的使用者。
• 自我進化型 Agent: 透過儲存成功路徑與反思，從經驗中學習的 Agent 開發者。

亮點

• 人類可讀的記憶: 記憶以普通的 Markdown 檔案形式儲存，使用戶可以直接編輯。
• 自我進化的知識庫: 透過 auto_memory、auto_resource 與 auto_dream 任務，自動將原始數據轉換為長期記憶。
• 混合搜尋: 結合了關鍵字匹配 (BM25)、語義召回 (embeddings) 與關係擴展 (wikilinks)。
• Agent 友善型整合: 支援多種整合路徑，包括 Python SDK、HTTP API、MCP 伺服器與 CLI 技能。