moorcheh-ai/memanto

解決的問題

Memanto 是一個專為管理 AI 代理群的長期記憶而設計的記憶代理。與僅持久化資料的標準向量儲存不同，Memanto 會主動整理資料——解決矛盾、合併重複項目、過期過時資訊，以防止隨著時間推移在代理記憶中累積的「雜訊」問題。

如何運作

Memanto 不僅是單純的 API，而是一個作為輔助代理運行的系統，透過觀察代理互動串流來提取持久性知識。它使用類型化的語意記憶系統（將記憶分類為 decision、preference 或 fact 等類型）和基於資訊論的檢索引擎。透過一系列自動化行為來管理記憶資產：

• 提取與整合： 從對話中提取知識，並將碎片合併為統一的資產。
• 協調： 當新知識與舊知識衝突時，檢測並版本化矛盾。
• 可控遺忘： 執行過期策略（例如，7 天後退役上下文記憶），以保持記憶的清晰度。
• 簡報： 在代理執行操作前，提供最小且相關的記憶片段，而非要求代理查詢資料庫。
• 可移植性： 使用開放知識格式（OKF），將資產儲存為可移植、人類可讀的 Markdown 檔案。

適用對象

在不同框架和供應商（如 Claude Code、Cursor 和自訂堆疊）上建構 AI 代理群的開發者，他們需要一個共享、可審計、可移植的記憶層，且不會被鎖定在特定平台中。

主要亮點

• 跨平台同步： 透過一條指令即可連接 Claude Code、Cursor、Windsurf 和 GitHub Copilot 等多種工具。
• 本地優先主權： 可透過 Docker 和 Ollama 完全在本地部署，無需任何出站呼叫。
• 時間點回溯： 支援時間點查詢，可查看在特定日期或自特定版本以來，整個代理群曾相信的內容。
• 策略驅動過期： 可自訂 YAML 策略，用於固定重要記憶或自動過期低置信度的猜測。
• 開放格式： 記憶以 OKF（Markdown）格式儲存，支援 diff、grep，且在不同提供者之間遷移極為簡便。