ruvnet/RuVector

解決的問題

RuVector 為 AI 代理提供持久且可適應的記憶基礎架構，讓代理能在不依賴資料庫伺服器或外部 API 金鑰的情況下，跨會話記住資訊。它透過結合語意嵌入、圖關係與明確的反饋迴路，解決代理的「遺忘」問題，建立一個能根據結果進化的長期記憶系統。

如何運作

RuVector 使用 Rust 原生核心來管理向量的儲存與檢索。支援本地語意嵌入（透過 ONNX 和 all-MiniLM-L6-v2 模型），實現無需按查詢計費的搜尋。系統將記憶分為不同類別——工作記憶、情節記憶、語意記憶、程序性記憶與因果記憶，並實作「記憶迴圈」：代理捕捉事件，將其持久化為向量，透過相似性或圖遍歷進行召回，再根據決策結果調整其排序或學習狀態。

適用對象

專為使用 Node.js 或 Rust 建構 AI 代理與服務的開發者設計，需要嵌入式、本地優先的持久記憶，也適用於建構複雜知識圖譜或高寫入事件串流以支援代理工作流程的開發者。

主要特色

• 本地優先記憶：無需資料庫伺服器或 API 金鑰，使用本地 ONNX 嵌入。
• 多模態記憶類型：支援情節、語意、程序性與因果記憶層。
• 進階檢索功能：包含 HNSW 與平面索引、混合稀疏-密集搜尋，以及時間衰減機制以優先最近的記憶。
• 可擴展架構：提供專用 crate 用於圖儲存、PostgreSQL 擴充與記憶壓縮（產品量化、RaBitQ）。
• 代理整合：提供 MCP（模型上下文協定）伺服器，方便與 LLM 代理整合。