verygoodplugins/automem

解決的問題

AutoMem 為 AI 助手提供長期記憶，使其能在不同聊天會話與工具之間記住決策、偏好與上下文。避免使用者重複輸入資訊，並讓助手能回溯決策的「原因」，而非僅僅取得孤立的文本片段。

工作原理

AutoMem 採用結合圖資料庫（FalkorDB）與向量資料庫（Qdrant）的混合儲存方式。

• 圖層：將記憶儲存為具有 11 種類型關係的節點（例如 PREFERS_OVER、LEADS_TO、EXEMPLIFIES），使系統能遍歷連結以尋找推理與上下文。
• 向量層：為每則記憶儲存嵌入（embedding），以支援語意相似性搜尋。

回憶透過混合查詢處理，根據語意相似性、圖遍歷、時間對齊、標籤重疊與重要性對結果進行排序。系統亦實作生物記憶鞏固週期（衰減、創造、聚類、遺忘），以在時間推移中強化重要記憶，並淡化無關記憶。

適用對象

希望擁有可本地或雲端托管的持久化、工具無關記憶層的 Claude、Cursor、ChatGPT、Copilot 等 AI 助手的開發者與使用者。

主要亮點

• 混合記憶：結合圖式關聯記憶與向量搜尋，實現更深入的上下文檢索。
• 無需 LMM 的回憶：直接透過圖與向量索引進行查詢，避免在檢索時產生額外的 LLM 成本與延遲。
• 跨工具相容性：透過本地或遠端 Model Context Protocol (MCP) 橋接連接至各種助手。
• 神經科學啟發：實作記憶鞏固週期，以管理知識的演進與衰減。
• 可自托管：可透過 Docker、Railway 或純 Python 服務部署。