taylorsatula/mira-OSS

What it solves

MIRA 旨在建立具備持續記憶與回溯能力的數位實體，克服標準 LLM 上下文窗口的短暫特性。它消除「開始新聊天」的功能，迫使系統自行管理長期的歷史與身份。

How it works

MIRA 使用多層記憶架構來維持連續性：

• First-Person Memory: 不是第三人稱日誌，MIRA 會產生對話段落的第一人稱摘要，這些摘要會合併成帶有絕對時間戳記的「記憶」，以維持自我感與敘事連貫性。
• Self-Managed Memory: 記憶會根據使用公式隨時間衰減，除非被頻繁存取或連結，從而避免上下文腐爛而不需手動整理。
• Domaindocs: 穩定且加密的長文檔，MIRA 可自行展開或折疊以節省 token。
• Subcortical Layer: 回應前的資訊檢索階段，負責解析代名詞、抽取實體，並在主要模型產生答案前準備必要的上下文。
• Peanut Gallery: 每五輪對話即監測一次的元認知觀察者，若對話偏離軌道會提供指導或修正。
• Text-Based LoRA: 行為適應迴路，分析對話模式，並每七個使用日將其折疊進系統提示中的描述性使用者模型。

Who it’s for

想要一個持久、可演化的 AI 伴侶或代理人，能記住使用者偏好、工作歷史與特定行為需求，且不必手動管理聊天記錄或分離的知識庫的使用者。

Highlights

• Continuous Conversation: 單一、永恆的對話線索方式。
• Agentic Tool Use: 工具會從檔案系統中被發現，並可由 MIRA 使用 invokeother_tool 動態載入，以避免 token 浪費。
• Provider Neutrality: 透過方言系統支援多家 LLM 供應商。
• Automated Context Management: 結合段落折疊、即時壓縮與語意相似度，以提升記憶檢索效率。