mnemon-dev/mnemon

What it solves

Mnemon 提供 AI agent 跨會話的持久化記憶，防止它們在會話之間忘記關鍵決策與知識。它解決了上下文窗口限制與上下文壓縮的問題，在對話增長時，早期的資訊往往會丟失。

How it works

與將 LLM 嵌入到記憶管線中的工具不同，Mnemon 使用「LLM 監督」的方法。一個獨立的二進制文件處理決定性的存儲、圖譜索引與搜尋，而宿主 LLM 則充當監督者，對「要記住什麼」、「如何連結資訊」以及「何時忘記」做出判斷。

它利用了四圖架構（時間性、實體、因果與語義邊）以及一個具有三個原語的意圖原生協議：remember、link 與 recall。該系統透過由技能文件、指南與生命週期鉤子（Prime, Remind, Nudge, and Compact）組成的框架整合到 agent runtime 中，提示 agent 進行記憶存儲交互作用。

Who it’s for

Claude Code, Cursor, Codex, TRAE, Kimi Code 等 AI agent 框架的開發者與使用者，希望其 agent 能夠在不同專案與會話之間維持一致且共享的記憶池。

Highlights

• LLM-Supervised Architecture: LLM 宿主進行決策；二進制文件處理運算，消除了對額外 API key 或嵌入式 LLM 的需求。
• Four-Graph Knowledge Store: 使用時間性、實體、 entidadidad (entity) 、因果與語義邊，而非僅僅依賴向量相似度。
• Broad Framework Support: 為廣泛的 agentic IDEs 與 CLIs 提供一鍵式設定。
• Intent-Native Protocol: 指令對應到 LLM 的認知詞彙（remember、recall），而非資料庫語法。
• Automatic Maintenance: 包含內建的去重、重要性衰減與垃圾回收。
• Optional Embeddings: 支援本地 Ollama 整合，實現混合向量+關鍵字搜尋。