moorcheh-ai/memanto

Memory that AI Agents Love!

解決的問題

AI 代理經常面臨上下文重置的問題，即一旦會話結束，它們就會忘記之前的指令或事實。傳統的記憶工具通常是被動的，需要代理手動查詢和解析數據，這會消耗 Token 並增加延遲。Memanto 透過提供一個跨會話持久化的主動記憶層來解決這些問題，透過相關檢索減少 Token 使用量，並消除索引延遲。

工作原理

Memanto 作為一個伴隨代理運行，執行三個核心操作：remember、recall 和 answer。它使用資訊理論語義引擎 (Moorcheh) 來提供精確檢索，無需傳統的向量資料庫流水線或重排序。它將記憶分為 13 種內建類型（如 instruction、fact 和 goal），並支援時間查詢以考慮近期性。使用者可以透過 Docker/Ollama 完全本地運行，或使用託管雲端服務。

適用對象

專為 AI 編程助手和代理（如 Claude Code、Cursor、Windsurf 和 GitHub Copilot）的開發者和使用者設計，他們需要其代理保持長期連續性，並避免在每個新會話中重新解釋程式碼庫或偏好。

亮點

  • 主動記憶管理：自動執行 remember、recall 和 answer 操作。
  • 零索引延遲：記憶在儲存後即可立即被搜尋。
  • 類型化語義記憶：使用 13 個類別按類型組織資訊（例如：決策、偏好、目標）。
  • 高可移植性：支援開放知識格式 (*.md 檔案)，允許使用者在不同工具之間遷移記憶資產。
  • 廣泛的整合：透過簡單的 CLI 命令連接包括 Cursor、Windsurf 和 Cline 在內的 20 多個代理。