mnemosyne-oss/mnemosyne

它是什麼

Mnemosyne 是一個開源的 AI 代理記憶系統。AI 助手通常在對話之間會忘記所有內容；Mnemosyne 給它們一種跨會話持續存在的記憶，讓助手能記住你的偏好、過去的決策以及專案背景。

它是 以本地為首：所有內容都儲存在你機器上的單一 SQLite 資料庫檔案中。沒有雲端服務，沒有外部資料庫伺服器，也沒有追蹤資料。只需一個 pip install 即可安裝，並與許多 AI 工具相容（Claude Code、Cursor、Codex、OpenWebUI，以及任何支援 MCP 協定的工具）。

它解決的問題

AI 代理預設是無狀態的。每次新對話都從零開始。Mnemosyne 透過提供三層結構化記憶（稱為 BEAM — 雙層情節-關聯記憶）來解決此問題：

1. 工作記憶 — 熱門、近期的上下文，會在每次 AI 呼叫前自動注入，並以時間為基礎淘汰舊項目。
2. 情節記憶 — 長期儲存。當你儲存一個事實時，它會被嵌入（轉換為其意義的數值表示），並使用語意相似度與關鍵字匹配的混合方式進行搜尋。
3. TripleStore — 一個時間性的知識圖譜，記錄關係（「Maya 被指派至 auth-migration」）並附上有效日期，讓代理能回答「截至二月，誰在處理 X？」之類的問題。

它如何運作

• 儲存：所有內容都儲存在單一 SQLite 檔案中，使用 sqlite-vec 擴充功能進行向量搜尋，並使用 FTS5 進行全文搜尋。沒有獨立的向量資料庫，沒有 ANN 索引，也沒有額外的基礎設施。
• 混合評分：搜尋結果根據 50% 語意相似度 + 30% 關鍵字匹配 + 20% 重要性分數進行排序——所有計算都在 SQLite 內完成。
• 壓縮：嵌入向量（384 維浮點向量）被二值化至每筆僅 48 位元組——減少 32 倍——即使有百萬筆項目，記憶體仍保持小巧。README 指出儲存空間成長為次線性：20,000 條訊息僅佔 7.2 MB。
• 介面：提供 Python SDK（remember() / recall()）、CLI（mnemosyne store、mnemosyne recall、mnemosyne export），以及內建的 MCP 伺服器，讓任何支援 MCP 的客戶端都能使用。

隱私與安全

• 預設以本地為首 — 資料不會離開你的機器，除非你明確啟用同步。
• 無追蹤資料 — 完全沒有追蹤，也沒有分析。
• 可選同步，支援 客戶端端加密（AES-128-CBC 或 XSalsa20-Poly1305）。同步伺服器僅看見元資料（時間戳、事件 ID）——絕不會看到記憶內容本身。

使用方式

from mnemosyne import remember, recall

# 儲存一個事實
remember("使用者偏好深色介面", importance=0.9)

# 後續搜尋
results = recall("介面偏好", top_k=3)

或透過 CLI 使用：

mnemosyne store "使用者喜歡深色介面"
mnemosyne recall "偏好"

性能

README 提到在 LongMemEval 和 BEAM（兩項學術記憶基準）上的基準測試結果。值得注意的主張是，當語料庫從 10 萬增長至 1,000 萬訊息時，檢索召回率保持穩定（20% Recall@10），且當語料庫缺乏資訊時，系統會選擇不回答而非捏造答案（100% 不回答準確率）。README 特別強調絕對召回率數值偏低，而真正有意義的是其穩定性——而非數值本身。

總結

Mnemosyne 是一個實用、自給自足的 AI 代理記憶層：一次 pip install，一個 SQLite 檔案，無需雲端依賴，並透過 MCP 與現有 AI 工具廣泛相容。它針對希望 AI 助手真正記住事情，又不願將資料傳送給第三方的開發者而設計。