mnemosyne-oss/mnemosyne

The Zero-Dependency, Sub-Millisecond AI Memory System for Hermes Agents and Everyone Else!

解決的問題

AI Agent 經常在長期上下文和記憶保留方面遇到困難。Mnemosyne 提供了一個通用的記憶層，允許 Agent 在不需要外部雲端服務或複雜基礎設施的情況下儲存和檢索資訊。

工作原理

Mnemosyne 使用一種稱為 BEAM (Bilevel Episodic-Associative Memory) 的三層架構：

  • Working memory: 一個具有基於 TTL 驅逐機制的热上下文層，用於滿足即時對話需求。
  • Episodic memory: 使用基於 SQLite 的混合搜尋方法（向量相似性 + 關鍵字搜尋）的長期儲存。
  • TripleStore: 一個追蹤隨時間變化的關係與版本的時序知識圖譜。

它利用資訊理論二值化 (MIB) 將高維嵌入壓縮為小的二進位格式，從而允許直接在 SQLite 中進行高速檢索。

適用對象

  • AI Agent 開發者: 任何使用 SDK 在 Python 中構建自定義 Agent 的人。
  • 進階使用者: 透過 Model Context Protocol (MCP) 使用 Cursor、Claude Code、Windsurf 或 OpenWebUI 等現有工具的使用者。
  • 注重隱私的使用者: 希望擁有本地優先記憶，並為同步提供可選用戶端加密的使用者。

亮點

  • 零依賴: 透過單個 pip install 即可執行，並使用單個 SQLite 檔案。
  • 高性能: 在記憶基準測試中實現了亞毫秒級的延遲與高召回率。
  • 通用整合: 支援 MCP、Python SDK 以及各種流行 AI 介面的外掛程式。
  • 隱私優先: 預設本地優先，無遙測數據，並提供可選的加密同步。