grpcer/ownmem

解決的問題

OwnMem 為 AI 編碼代理提供一個受控、原生 Git 的記憶系統。它透過將專案知識以可審查的 Markdown 檔案形式儲存在程式碼倉庫內部，而非不透明的雲端資料庫，解決了「記憶污染」與不可靠的 AI 回憶問題。這使得多個不同的 AI 代理（如 Claude Code、Cursor 或 Gemini CLI）能共享單一、決定性的真相來源，該來源可進行版本控制、審計，並像程式碼一樣輕鬆回滾。

工作原理

OwnMem 將記憶的撰寫與交付給代理的過程分離：

1. Git 原生儲存：知識以 Markdown 格式儲存在 .ownmem/ 中。信任憑證與元資料與文字分開存放，防止 AI 簡單地將自身內容宣告為可信。
2. 編譯：在查詢時，不直接讀取原始文字，而是將記憶編譯為不可變、內容定位的快照，實現快速、可重現的召回。
3. 決定性檢索：使用五個本地候選通道（精確匹配、BM25F、n-gram、模糊匹配、圖）在無需外部 LLM 或網路呼叫的情況下查找相關資訊。
4. 交付門控：在資訊傳遞給代理之前，必須通過四個關卡（相關性、認知論有效性、任務適用性、行動風險）。若證據不足，系統可能將資訊隔離或拒絕交付。
5. 有限演化：系統可自動更新低風險元資料（R0），但高風險變更（如新增正文或政策更新）需經人工審查。

適用對象

專為希望 AI 代理具備透明、可審查、隨程式碼遷移的專案專屬記憶的開發團隊設計。適合將治理與本地優先隱私置於最大召回量之上的使用者。

核心亮點

• 跨代理相容：支援多種主機，包括 Claude Code、Codex、Cursor 和 Gemini CLI。
• 基於證據的信任：內容無法自我授權；獨立的憑證決定內容是否交付。
• 本地優先：預設排名基於本地，無需檢索 API 費用或網路請求。
• 決定性召回：相同的查詢與快照始終產生相同的排名結果。
• 安全回滾：自動編輯包含經驗證的逆操作，可在不刪除歷史記錄的情況下恢復到先前狀態。