angelnicolasc/graymatter

30 sec to give your AI agents persistent memory. Reduce 90% token consumption while also maintaining quality.

解決的問題

AI代理通常為無狀態，表示它們在會話之間會忘記所有內容。這導致對話歷史呈線性增長，消耗大量上下文令牌並增加成本。GrayMatter 提供一個持久化、以本地為先的記憶層，讓代理能在不注入完整歷史的情況下，跨會話記住相關事實。

工作原理

GrayMatter 作為單一二進位檔運作，可作為 MCP（模型上下文協定）伺服器或 Go 套件使用。它使用混合檢索系統（向量、關鍵字與即時性）為指定查詢提取最相關的前 8 個事實。它具備自我建構的知識圖譜，可自動提取帶類型的實體並建立連結。為維持記憶品質，它採用決定性衰減系統（30 天半衰期）與非同步整合流程，對事實進行總結與清理。

適用對象

開發 AI 代理的工程師——特別是 Go 生態系統中的開發者——需要一個零依賴、可嵌入的記憶層，能與 Claude Code、Cursor 和 Windsurf 等 MCP 相容客戶端搭配使用。

主要亮點

令牌效率：與完整歷史注入相比，上下文令牌使用量減少高達 90%。
零依賴：單一靜態二進位檔（約 10 MB），無需 Docker、Redis 或雲端帳戶。
自建知識圖譜：自動提取實體與關係，並支援匯出至 Obsidian。
嵌入式降級容錯：支援 Ollama、OpenAI、Voyage AI，或回退至僅關鍵字檢索。
可觀測性：內建 TUI 仪表板，用於監控記憶成本、召回率與代理活動。