zhangfengcdt/memoir

解決的問題

Memoir 解決了 AI 代理記憶中的「全域變數」問題，即使用平面檔案或不透明的向量資料庫會導致上下文污染、高 token 成本（token 租用）與記憶漂移。它防止代理將無關的實驗性模式應用於穩定的生產環境，並提供一種無需清除整個記憶儲存即可審計或還原幻覺的方法。

工作原理

Memoir 實現了一種具有 Git 類似版本控制的階層式語意記憶系統。它不使用 UUID 或平面的二進位資料，而是使用語意路徑（例如 profile.professional.skills.python）來組織記憶。採用清晰的架構，將儲存、分類與搜尋分離，支援 O(log n) 查詢與記憶聚合。使用者可對記憶進行分支、提交、合併與回滾，以在不同代理會話或專案狀態之間維持加密完整性。

適用對象

主要針對需要持久化、版本化且透明的長期記憶管理的程式碼代理與個人助理代理開發者。

特色亮點

• Git 類似版本控制：支援對記憶進行分支、提交、合併與回滾。
• 語意路徑：使用有意義的階層路徑而非不透明的金鑰來組織記憶。
• 高效率：提供 O(log n) 查詢，並支援多種搜尋引擎，包括關鍵字與 LLM 驅動的搜尋。
• 廣泛整合：作為 Claude Code、Codex、Hermes、OpenClaw 的外掛提供，也作為 MCP 伺服器支援 Cursor、Windsurf 與 VS Code 等主機。