openmemind/memind

What it solves

Memind 是為了解決 AI agent 在不同會話之間丟失上下文的問題而設計的記憶與上下文引擎。它將原始數據——例如對話、文件和工具調用——轉換為結構化的、演進中的記憶，讓 AI 系統能從每一次互動中學習並在長期內重複使用經驗。

How it works

Memind 通過一個流水線處理原始上下文，將其轉換為多層次的記憶：

• Insight Trees: 將原始記憶萃取成 Leaf、Branch 和 Root 洞察的層級結構，以識別模式與高層次的理解。
• Memory Graphs: 連接實體、語義鏈接與因果信號，以找回簡單向量搜索可能遺漏的相關上下文。
• Memory Threads: 將相關項目分組為持久的時序線索，幫助 agent 開發者追蹤未完成的工作並重複使用任務歷史。
• Multi-layer Retrieval: 結合向量搜索、BM25 關鍵字搜索、時序信號與深度檢索（查詢擴展與重排序），以召回最相關的上下文。

Who it’s for

它適用於開發需要長期記憶的 AI 系統的開發者，包括：

• Coding agents: 需要專案上下文與工具經驗的 agent。
• Personal agents: 追蹤用戶偏好與工作流的 agent。
• Chatbots and companions: 維護用戶檔案與生活事件的 agent。
• Workflow agents: 記住指令與操作手冊的 agent。

Highlights

• SOTA Performance: 在 LoCoMo、LongMemEval 和 PersonaMem 基準測試中排名第 1。
• Java-Native: 首個原生使用 Java 構建的 SOTA 記憶引擎。
• Dual Memory Scopes: 將用戶記憶（檔案、偏好）與 agent 記憶（指令、工具經驗）分開。
• Broad Integration: 支持 REST APIs、SDKs (TypeScript, Python, Java, Go, Rust) 以及 Model Context Protocol (MCP)。
• Versatile Ingestion: 可攝取文本、圖像、音頻與 agent 時序線索。",