caura-ai/caura-memclaw

解決的問題

AI 智能體通常孤立運行，重複犯錯，或者無法與同一個組織內的其他智能體共享知識。MemClaw 解決了對集中化、可擴展且安全的記憶層的需求，該記憶層允許整個智能體集群相互學習、共享技能並維護一致的知識庫。

工作原理

MemClaw 使用「寫入、召回、複合（write, recall, compound）」循環來管理資訊。當智能體寫入純文字時，系統使用 LLM 為該文字添加標題、摘要、標籤和重要性評分。它採用混合搜尋——結合透過 pgvector 實現的語義相似性、全文關鍵字匹配和知識圖譜擴展——來檢索相關資訊。該系統還具有矛盾檢測功能以解決衝突資訊，並使用基於結果的學習來強化智能體的成功操作。

適用對象

專為構建多租戶、多智能體 AI 系統的開發人員設計，在這些系統中，治理、安全和跨智能體知識共享至關重要，例如企業級智能體集群。

亮點

• 全集群治理： 提供租戶隔離、可見性範圍（智能體、團隊或組織）和智能體信任等級，以控制資訊存取。
• 自我改進的記憶： 自動檢測矛盾，將重複的記憶合併為規範事實，並根據智能體的回饋調整檢索。
• 豐富的記憶流水線： 執行單次 LLM 增強，並維護提取的實體和關係的即時知識圖譜。
• 廣泛的整合： 包括內建的 Model Context Protocol (MCP) 伺服器，並支援 OpenAI、Gemini 和 Anthropic 等多種 LLM 提供商。