caspianmoon/memoripy

解決的問題

Memoripy 旨在防止 AI 代理遭受「記憶體污染」——即攝取雜訊、矛盾事實或不受信任的指令。它解決了維護一個可靠、基於證據的記憶體儲存問題，讓代理能夠追蹤事實隨時間的變化，並準確解釋為何回想起特定資訊。

運作方式

Memoripy 實作了一個本地記憶體執行階段，將來源與驗證置於簡單儲存之上。它使用了幾個關鍵機制：

• 准入屏障： 一項正式政策，在傳入資料成為持久記憶之前，過濾掉雜訊、心跳訊號或不受信任的外部指令。
• 雙時態記錄： 它同時追蹤事實被觀察的時間和有效的時間，讓系統能夠區分當前真相與歷史證據。
• 多通道檢索： 它不依賴單一搜尋方法，而是使用倒數排名融合結合多個「通道」（詞彙 BM25、語意相似度、實體重疊等），以確保找到最相關的記憶體。
• 收據與引用： 每個被回想的記憶體都包含一個解釋檢索邏輯的「收據」，以及連結回原始來源資料的引用。
• 範圍隔離： 記憶體嚴格按使用者、代理、專案或組織進行分區，以防止跨邊界的資料外洩。

適用對象

正在建構 AI 代理的開發者，且這些代理需要高可靠性的記憶體、嚴格的資料隔離，以及審計記憶體狀態是否存在矛盾或中毒的能力。

亮點

• 證據優先方法： 透過拒絕將檢索到的記憶體重新攝取為新證據，來防止回饋迴圈。
• 本地優先： 在本地執行，沒有強制的第三方相依性，儘管它支援外部嵌入模型和像 Postgres/pgvector 這樣的資料庫。
• 稽核 CLI： 一個命令列工具，用於偵測記憶體儲存中的重複項、衝突事實和敏感資料。
• MCP 伺服器： 包含一個官方的模型上下文協定 (MCP) 伺服器，以便與相容的代理輕鬆整合。
• 記憶體合約： 一個供應商中立的框架，用於針對特定測試案例評估和基準測試記憶體行為。