verygoodplugins/automem

Long-term memory for AI assistants. Graph + vector store that recalls decisions, relationships, and context across sessions.

What it solves

AutoMem 提供 AI 助手的長期記憶，解決標準 RAG 與向量資料庫的限制。傳統 RAG 常只依關鍵字相似度返回文件，缺乏對上下文的理解與隨時間學習的能力；AutoMem 同時儲存類型化關係與嵌入向量，能回憶不只是孤立事實，還包括決策背後的推理、備選方案與原則。

How it works

AutoMem 使用雙重儲存架構來管理記憶：

  • Graph Layer (FalkorDB): 作為正規記錄，將記憶以節點形式儲存，並以 11 種特定關係類型（例如 PREFERS_OVER、LEADS_TO、CONTRADICTS）相連。
  • Vector Layer (Qdrant): 為每筆記憶存放嵌入向量，以支援語意搜尋。

回憶透過結合語意相似度、圖形遍歷、時間對齊與重要性的混合查詢完成。系統亦實作受神經科學啟發的鞏固週期（Decay、Creative、Cluster、Forget），在時間推移中加強重要連結、淡化不相關資訊。可透過 Model Context Protocol (MCP) 橋接或直接的 REST API 整合至 AI 客戶端。

Who it’s for

  • 獨立開發者、專業使用者或小型團隊，想在不同 AI 工具（如 Claude、Cursor、ChatGPT）之間擁有持久記憶層。
  • 偏好以 Docker 或 Railway 自行託管資料，避免供應商鎖定的使用者。
  • 開發需要大範圍上下文擴展與高效關聯記憶檢索的 AI 代理人。

Highlights

  • Hybrid Retrieval: 結合圖形多跳探索與向量嵌入，提供更深層次的上下文。
  • Typed Relationships: 支援 11 種可自訂的邊類型，捕捉因果、矛盾等複雜邏輯。
  • Biological Consolidation: 透過週期性鞏固模擬人類記憶，修剪低相關資料並聚類模式。
  • High Efficiency: 為大範圍上下文擴展優化，減少回答者的 token 數量，同時在大型資料集上保持高檢索效能。