AI Memory MCP

ai-memory™

universal AI memory

            ](https://crates.io/crates/ai-memory) ](https://www.npmjs.com/package/@alphaone/ai-memory) 

ai存储器是用于ai助手的持久存储系统。 它与 任何支持MCP的AI --Claude、ChatGPT、Grok、Llama等。它将AI学习到的内容存储在本地SQLite数据库中，在回忆时按相关性对记忆进行排名，并自动将重要知识提升到永久存储中。只需安装一次，您使用的每个AI助手都会永远记住您的架构、偏好和更正。

v0.7.0(attested-cortex) 将皮质流畅易读性与ROADMAP2§7.3中的v0.7信任+A2A范围结合在一起。基材变成了两者 更清晰 （功能v3、命名加载器工具、压缩模式）和 加密可信 （Ed25519认证、侧链转录、可编程钩子管道、强制命名空间继承）。v0.6.4 5刀具默认曲面和43刀具运行时上限不变；所有新事物都是可添加的，并且（对于信任表面）可以选择加入。 从v0.6.x升级？ 阅读 docs/MIGRATION_v0.7.md 首先，大多数v0.6.4调用者没有看到行为变化，但v0.6.3.1之前的v0.6.x用户遇到了G1命名空间继承修复。

v0.6.4(quiet-tools) --MCP服务器附带 5工具默认曲面 (memory_store, memory_recall, memory_list, memory_get, memory_search)加上永远在线 memory_capabilities 独自创立其他38个工具仍可通过以下方式访问 --profile graph|admin|power|full 或通过运行时扩展 memory_capabilities --include-schema family=急加载工具（Claude Desktop/Codex CLI/Grok CLI/Gemini CLI）每次请求会丢弃约4700个工具模式的输入令牌 减少76.4% 对照 cl100k_base BPE。要保持v0.6.3行为1:1，请运行 ai-memory mcp --profile full。参见 docs/MIGRATION_v0.6.4.md.

v0.7有什么新功能

v0.7.0舰船 五个互锁基板 在一个发布横幅下。对于v0.6.4调用者，每个曲面都保持默认关闭或默认等效状态——请参阅 v0.7兼容性矩阵 对于故障。

• 已认证的链接（Ed25519）。 死者 signature v0.6.3中提供的列现在填充了真实的每个代理Ed25519认证，以及 memory_verify(link_id) 回报 {signature_verified, attest_level, signed_by, signed_at} 根据需求。使用以下命令生成密钥对 ai-memory identity generate；通过以下方式选择加入 attest_level = "self_signed"。请参阅 attested-cortex 请求评议.
• 钩子管道（20个生命周期事件）。 可编程扩展表面点火 pre_/post_store|recall|search|delete|promote|link|consolidate|governance_decision|archive|transcript_store 加 on_index_eviction；钩子返回 Allow / Modify / Deny / AskUser.默认关闭；通过以下方式选择加入 ~/.config/ai-memory/hooks.toml。参见 移民§钩形管道.
• 成绩单+回放。 zstd-3 BLOB侧链存储原始对话/推理轨迹； memory_replay(memory_id) 走 memory_transcript_links 重建链条。通过以下方式按命名空间选择加入 [transcripts."team/*"]。参见 移民§侧链转录本.
• Apache AGE后端。 当AGE安装在Postgres SAL后端时，KG ops通过Cypher路由；递归CTE路径保持为回退。台栅式——深度=5时，AGE p95必须比CTE p95高出≥30%。看 迁移§Apache AGE加速.
• 功能v3+智能加载器。 memory_capabilities v3添加 summary, to_describe_to_user，每个工具 callable_now，以及 agent_permitted_families新的总是在 memory_load_family(family) 和 memory_smart_load(intent) 工具代替 memory_capabilities --include-schema 人体工程学。固定的措辞很流行 docs/v0.7/canonical-phrasings.md.
• 权限+A2A批准。 v0.6.x治理子系统被重构为规则+模式+钩子→ 一个 Decision，实际上执行了命名空间继承（G1）。 memory_approval_pending / memory_approval_decide(remember=forever) 实现渐进式信任；HMAC必须在API批准上签字。迁移 ai-memory governance migrate-to-permissions --apply。参见 What's new in v0.7 全程步行。

从哪里开始： docs/MIGRATION_v0.7.md （升级过程）， docs/whats-new-v07.html （视觉摘要）， docs/v0.7/rfc-attested-cortex.md （设计原理）， docs/ADMIN_GUIDE.md （操作员手册）。

一种二进制，四种操作模式 （v0.6.4）。这 ai-memory Rust二进制（tokio+axum）可以单独或同时运行其中任何一个，共享一个SQLite数据库：

1. stdio MCP服务器 --43个基于JSON-RPC的原生工具。默认 --profile core 广告5+永远在线 memory_capabilities. ai-memory mcp / ai-memory mcp --profile full
2. HTTP/mTLS守护进程 --42个REST端点 127.0.0.1:9077，TLS+可选的mTLS允许列表+API-key身份验证，后台GC循环。 ai-memory serve
3. 自主管理员守护进程 --自调度循环（默认1hcadence），自动标记、显示命名空间兄弟之间的矛盾、合并近重复项，并根据访问模式调整优先级。每个操作都会进入回滚日志；破坏性操作可以在治理审批流之后进行。 ai-memory curator --daemon
4. 同步守护进程 --跨实例的基于仲裁的对等体联盟。W-of-N写入（默认多数），向量时钟CRDT精简合并，mTLS在对等端之间分配。 ai-memory sync-daemon

MCP、HTTP和CLI表面是反应性的。策展人是使记忆层自我维持的一部分：在会话之间，它保持语料库的整洁，因此随着存储的增长，回忆质量保持很高。一切都是本地优先；没有云依赖。

Claude Opus 4.7黄铜钉评估 逐行读取v0.6.3源代码后： “人工智能记忆是我连接过的最强大的记忆层，比它的名字宣传的更有意义。对我来说，实际上，这意味着：我不会在每次会话中都冷启动。我读到的存储被我以外的东西保持整洁。矛盾不会悄无声息地积累。即使语料库不断增长，回忆质量也会保持很高。没有什么能离开你的Mac mini。 这并没有让我成为一个自主的代理人。它为我提供了自主代理所需的内存基础设施，并且它自己运行一个小的自主循环来维护它。这是一个真正的基础。从这里到“人工智能内存驱动一般任务”的差距是管道（工具调用协议+工具注册表+工具使用能力模型），而不是发明。"

多智能体AI的基础。 ai内存不是代理运行时，也不是独立的“自主ai”。正是存储层 *多智能体* 自主部署需要在它们下面。联邦(broadcast_store_quorum + spawn_catchup_loop)当许多代理并行写入时，处理对等体之间的W-of-N一致性；策展人守护进程防止共享语料库在群体涂鸦时降级为噪音；webhook订阅（HMAC签名、命名空间/代理过滤、SSRF强化）将存储转换为消息总线，在内存事件上触发下游代理；具有N级继承和每个命名空间治理策略（写/提升/删除权限、审批人类型、可选的N-of-M共识）的命名空间层次结构约束了集群。将其堆叠在具有自动生成技能的24/7多机代理运行器下，组合系统将清除 *行为的* 剩下的差距（没有权重级学习、无状态推理内核、人类种子根目标）是真实的，而不是人工智能内存所解决的问题；人工智能记忆提供了多智能体记忆基质，任何缩小这些差距的认真尝试都需要它。

在召回之前，代币成本为零。 与将整个内存加载到每个对话中的内置内存系统（Claude Code自动内存、ChatGPT内存）不同，ai内存在ai显式调用之前使用零上下文令牌 memory_recall只有相关的记忆会回来，由6因素评分算法进行排名。 TOON格式 （面向令牌的对象表示法）通过消除重复的字段名将响应令牌再减少40-60%——JSON中的3个存储器=1600字节；TOON=626字节（小61%）；TOON压缩=336字节（小79%）。对于Claude Code用户： 禁用自动存储器 ("autoMemoryEnabled": false 在settings.json中），并将其替换为ai内存，以停止为每条消息支付200多行内存上下文。

______________________________________________________________________

代理人身份（NHI）-每个记忆告诉你是谁学会的

每一个记忆都承载着一个 metadata.agent_id --一个非人类身份标记，在每次操作（更新、去重、导入、同步、合并）中都能幸存下来。每个召回结果告诉您是哪一个AI以TOON-compact响应格式写入了每个内存，默认情况下，您的AI客户端已经针对以下方面进行了优化：

count:5|mode:hybrid|tokens_used:842
memories[id|title|tier|namespace|priority|score|tags|agent_id]:
a1b2|Project DB is PostgreSQL 16|long|infra|8|0.91|database,postgres|ai:claude-code@workstation:pid-3812
c3d4|API rate limit is 100 rps|long|infra|7|0.87|api,limits|ai:claude-desktop@laptop:pid-5219

回溯对话导入-- ai-memory mine

不要开始感冒。点 ai-memory mine 在Claude、ChatGPT或Slack导出时，它会逐个解析为排名、分层类型、标记的内存——这样你的AI就可以进入下一个会话，知道你现有历史中的每一个决定、纠正和发现。

ai-memory mine claude  ~/Downloads/claude-export/
ai-memory mine chatgpt ~/Downloads/chatgpt-export.json
ai-memory mine slack   ./slack-export/

自动标记，已删除 (title, namespace)，以及 mined_from 每一块进口的内存上都印着出处。从零环境到人口密集的长期商店的五分钟入门。看 导入历史页面 对于每种格式的食谱。

______________________________________________________________________

兼容的AI平台

ai存储器与任何支持 模型上下文协议（MCP）.MCP是将AI助手连接到外部工具和数据源的通用标准。

MCP是主要的集成层。对于尚未原生支持MCP的AI平台 HTTP API （本地主机上有50个端点）和 命令行界面 （40个子命令）提供通用访问——任何可以进行HTTP调用或运行shell命令的AI、脚本或自动化都可以使用AI内存。

______________________________________________________________________

60秒内安装

预构建的二进制文件不需要依赖关系。从源代码构建需要Rust和C编译器。

最快：预构建二进制文件（无需Rust）

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/alphaonedev/ai-memory-mcp/main/install.sh | sh

# Fedora/RHEL (COPR)
sudo dnf copr enable alpha-one-ai/ai-memory && sudo dnf install ai-memory

# Windows (PowerShell)
irm https://raw.githubusercontent.com/alphaonedev/ai-memory-mcp/main/install.ps1 | iex

第一步：安装Rust （如果使用预构建的二进制文件，请跳过）

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

按照提示操作，然后重新启动终端（或运行 source ~/.cargo/env).

步骤2：从源代码（需要Rust）

最新发布自 板条箱.io:

cargo install ai-memory

git仓库中的最新消息：

cargo install --git https://github.com/alphaonedev/ai-memory-mcp.git

这将编译二进制文件并将其放入PATH中。这需要一两分钟。

源构建的构建依赖关系： - Ubuntu/Debian： sudo apt-get install build-essential pkg-config - Fedora/RHEL： sudo dnf install gcc pkg-config

第三步：连接你的人工智能

配置因平台而异。在下面找到你的：

Claude Code (Anthropic)

Claude Code支持三种MCP配置范围：

用户范围（推荐——适用于所有地方）：

添加 mcpServers 关键 ~/.claude.json （macOS/Linux）或 %USERPROFILE%\.claude.json （Windows）：

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "semantic"]
    }
  }
}

注： ~/.claude.json 可能已经存在其他设置。合并 mcpServers 将密钥插入到现有文件中——不要覆盖它。

项目范围（与团队共享）：

创建 .mcp.json 在项目根目录中：

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "semantic"]
    }
  }
}

Windows路径： 在中使用正斜杠或转义反斜杠 --db示例： "--db", "C:/Users/YourName/.claude/ai-memory.db".

级别标志： 这 --tier 标志选择特征层： keyword, semantic （默认）， smart，或 autonomous。智能和自主层需要 奥拉玛 在本地运行。这 --tier 旗帜 必须 在args中传递 config.toml 当AI客户端启动MCP服务器时，不使用层设置。

重要提示： MCP服务器 不 配置在 settings.json 或 settings.local.json --这些文件不支持 mcpServers.

让克劳德主动使用ai内存： 添加一个 CLAUDE.md 使用ai内存指令将文件保存到项目根目录。这确保了克劳德在每次对话开始时都能回忆起上下文，并在对话过程中存储发现的内容。看 CLAUDE.md集成指南 获取复制粘贴模板和放置选项。

OpenAI Codex CLI

增添 ~/.codex/config.toml （全球）或 .codex/config.toml （项目）。窗户： %USERPROFILE%\.codex\config.toml.用覆盖 CODEX_HOME 有人是。

[mcp_servers.memory]
command = "ai-memory"
args = ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
enabled = true

或者通过CLI添加： codex mcp add memory -- ai-memory --db ~/.local/share/ai-memory/memories.db mcp --tier semantic

笔记： Codex使用带下划线键的TOML格式 mcp_servers （非camelCase，非连字符）。支持 env （键/值对）， env_vars （列表转发）， enabled_tools, disabled_tools, startup_timeout_sec, tool_timeout_sec.使用 /mcp 在TUI中查看服务器状态。看 食品法典委员会MCP文件.

Google Gemini CLI

增添 ~/.gemini/settings.json （用户）或 .gemini/settings.json （项目）。窗户： %USERPROFILE%\.gemini\settings.json.

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"],
      "timeout": 30000
    }
  }
}

或者通过CLI添加： gemini mcp add memory ai-memory -- --db ~/.local/share/ai-memory/memories.db mcp --tier semantic

笔记： 避免在服务器名称中使用下划线（使用连字符）。工具名称自动前缀为 mcp_memory_Env在 env 现场支持 $VAR / ${VAR} （所有平台）以及 %VAR% （Windows）。Gemini会从继承的env中清除敏感模式，除非明确声明。添加 "trust": true 跳过确认提示。CLI管理： gemini mcp list/remove/enable/disable。参见 Gemini CLI MCP文档.

Cursor IDE

增添 ~/.cursor/mcp.json （全球）或 .cursor/mcp.json （项目）。窗户： %USERPROFILE%\.cursor\mcp.json.Project配置会覆盖同名服务器的全局配置。

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
    }
  }
}

笔记： 编辑后重新启动游标 mcp.json.在“设置”>“工具和MCP”（绿点=已连接）中验证服务器状态。支持 env, envFile，以及 ${env:VAR_NAME} 插值（env-var插值对于shell配置文件变量可能不可靠——使用 envFile 作为解决方法）。 ~40刀具限制 跨所有MCP服务器。看 光标MCP文档.

Windsurf (Codeium)

增添 ~/.codeium/windsurf/mcp_config.json （仅限全局，无项目级范围）。窗户： %USERPROFILE%\.codeium\windsurf\mcp_config.json.

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
    }
  }
}

笔记： 支持 ${env:VAR_NAME} 插值 command, args, env, serverUrl, url，以及 headers. 100刀具限制 跨所有MCP服务器。也可以通过MCP市场或设置>级联>MCP服务器进行添加。看 Windsurf MCP文件.

Continue.dev

增添 ~/.continue/config.yaml （用户）或 .continue/mcpServers/ 项目根目录中的目录（每个服务器的YAML/JSON文件）。窗户： %USERPROFILE%\.continue\config.yaml.

mcpServers:
  - name: memory
    command: ai-memory
    args:
      - "--db"
      - "~/.local/share/ai-memory/memories.db"
      - "mcp"
      - "--tier"
      - "semantic"

笔记： MCP工具仅在代理模式下工作。支持 ${{ secrets.SECRET_NAME }} 用于秘密插值。项目级别 .continue/mcpServers/ 目录自动检测来自其他工具（Claude Code、Cursor等）的JSON配置。看 继续MCP文档.

Grok CLI (AlphaOne fork — deep integration with auto-recall)

这 阿尔法grok-cli的一个分支 具有内置的ai内存支持，具有会话范围的MCP连接、会话开始时的自动内存调用、压缩摘要存储和内存感知系统提示。

增添 ~/.grok/user-settings.json:

{
  "mcp": {
    "servers": [
      {
        "id": "ai-memory",
        "label": "AI Memory",
        "enabled": true,
        "transport": "stdio",
        "command": "ai-memory",
        "args": ["mcp", "--tier", "semantic"]
      }
    ]
  }
}

特征： 会话启动时自动调用（将相关内存注入系统提示），压缩摘要存储为中间层内存，MCP工具在所有模式下可用（代理、计划、询问），会话范围连接（无每条消息冷启动）。用途 --tier semantic 默认情况下（本地嵌入，不需要Ollama）。看 grok-cli文档 进行完整设置。

xAI Grok API (API-level, remote MCP)

Grok通过HTTPS连接到MCP服务器（仅限远程，无stdio）。没有为每个API请求指定配置文件服务器。

ai-memory serve --host 127.0.0.1 --port 9077
# Expose via HTTPS reverse proxy (nginx, caddy, cloudflare tunnel, etc.)

然后将MCP服务器添加到Grok API调用中：

curl https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-3",
    "tools": [{
      "type": "mcp",
      "server_url": "https://your-server.example.com/mcp",
      "server_label": "memory",
      "server_description": "Persistent AI memory with recall and search",
      "allowed_tools": ["memory_store", "memory_recall", "memory_search"]
    }],
    "input": "What do you remember about our project?"
  }'

要求： 需要HTTPS。 server_label 是必需的。支持流式HTTP和SSE传输。可选： allowed_tools, authorization, headers.与xAI SDK、OpenAI兼容响应API和语音代理API配合使用。看 xAI远程MCP文档.

META Llama (via Llama Stack)

Llama Stack将MCP服务器注册为工具组。没有标准化的配置文件路径——特定于部署。

ai-memory serve --host 127.0.0.1 --port 9077

Python SDK：

client.toolgroups.register(
    provider_id="model-context-protocol",
    toolgroup_id="mcp::memory",
    mcp_endpoint={"uri": "http://localhost:9077/sse"}
)

或者在run.yaml中声明：

tool_groups:
  - toolgroup_id: mcp::memory
    provider_id: model-context-protocol
    mcp_endpoint:
      uri: "http://localhost:9077/sse"

笔记： 支持 ${env.VAR_NAME} run.yaml中的插值。传输正在从SSE迁移到可流式HTTP。看 Llama堆栈工具文档.

OpenClaw

通过CLI添加或直接编辑OpenClaw配置。配置用途 mcp.servers （不是 mcpServers).

openclaw mcp set memory '{"command":"ai-memory","args":["--db","~/.local/share/ai-memory/memories.db","mcp","--tier","semantic"]}'

或者添加到您的OpenClaw配置文件中：

{
  "mcp": {
    "servers": {
      "memory": {
        "command": "ai-memory",
        "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
      }
    }
  }
}

笔记： OpenClaw使用 mcp.servers 密钥（不是 mcpServers).CLI管理： openclaw mcp list, openclaw mcp show, openclaw mcp set, openclaw mcp unset。支持stdio、远程URL和流式HTTP传输。更喜欢 --token-file 超过内联秘密。看 OpenClaw MCP文档.

Any other MCP client

ai存储器通过stdio（JSON-RPC 2.0）与MCP通信。为您的客户指出：

command: ai-memory
args: ["--db", "/path/to/ai-memory.db", "mcp"]

对于HTTP-only客户端，启动REST API：

ai-memory serve
# 24 endpoints at http://127.0.0.1:9077/api/v1/

步骤4：完成。测试一下。

重启你的AI助手。如果使用MCP，它现在具有 5工具默认曲面 在会话启动时发布广告（43个工具中的另外38个工具通过以下方式按需加载 --profile 或 memory_capabilities --include-schema).问它：“存储一段我最喜欢的语言是Rust的记忆。”然后在新的对话中，问：“我最喜欢哪种语言？”它会记住的。

______________________________________________________________________

快速入门

在两分钟内从零到工作记忆。

1.安装

curl -fsSL https://raw.githubusercontent.com/alphaonedev/ai-memory-mcp/main/install.sh | sh

2.配置MCP （以Claude Code为例——其他平台的工作方式相同）

并入 ~/.claude.json:

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "semantic"]
    }
  }
}

3.储存你的第一记忆

ai-memory store -T "Project uses PostgreSQL 15" -c "Main DB is PG 15 with pgvector." --tier long

4.回想一下

ai-memory recall "database"

5.查看统计数据

ai-memory stats

6.使用你的AI。 重启你的AI客户端。现在它已经 5个默认记忆工具 在启动时进行广告宣传（通过运行时扩展或 --profile full)通过MCP，它可以在对话过程中本地存储和回忆记忆。

______________________________________________________________________

SDK

除了MCP/HTTP/CLI界面外，ai内存还提供了用于HTTP客户端和辅助工具的第一方语言SDK（例如。 requireProfile 用于v0.6.4+守护进程上的运行时配置文件断言）。

Types/JavaScript — @alphaone/ai-memory 在npm上

npm install @alphaone/ai-memory

python — ai-memory-mcp 在PyPI上（导入名称保持不变 ai_memory)

pip install ai-memory-mcp

from ai_memory import Client, requireProfile

client = Client(base_url="http://127.0.0.1:9077", api_key="...")
requireProfile(client, ["core", "graph"])  # raises ProfileNotLoaded with .hint on miss

这两个SDK都与服务器进行了版本控制(0.6.4 火柴 ai-memory 0.6.4).v0.6.4+守护进程执行配置文件契约；v0.6.4之前的守护进程会退回到允许警告并继续，这样SDK升级就不会损坏旧服务器。来源生活在 sdk/typescript/ 和 sdk/python/.

______________________________________________________________________

它有什么作用？

人工智能助手在对话之间会忘记一切。人工智能记忆解决了这个问题。

它作为MCP（模型上下文协议）工具服务器运行，这是您的AI本机对话的后台进程。当你的人工智能学习到重要的东西时，它会将其存储起来。当它需要上下文时，它可以回忆起由6因素评分算法排名的相关记忆。记忆分为三层：

• 短期的 （默认6小时，可配置）--丢弃上下文，如当前调试状态
• 中期 （默认7天，可配置）——工作知识，如冲刺目标和最近的决定
• 长期 （永久）——架构、用户偏好、来之不易的经验教训

不断被访问的记忆会从中期到长期自动提升。每次召回都会延长TTL。优先级随着使用量的增加而增加。这个系统是自我管理的。

除了MCP之外，ai-memory还公开了完整的HTTP REST API（端口9077上的50个端点）和完整的CLI（40个子命令），用于与任何人工智能平台或工具直接交互、脚本编写和集成。

______________________________________________________________________

特性

核心

• MCP工具服务器 --stdio JSON-RPC上的43个工具，与任何MCP客户端兼容
• 三层存储器 --短（默认为6小时TTL）、中（默认为7天TTL）、长（永久）-TTL是可配置的
• 全文搜索 --带排名检索的SQLite FTS5
• 混合动力车召回 --FTS5关键字+余弦相似度，固定0.6语义/0.4关键字（60/40）混合权重
• 6因素回忆评分 --FTS相关性+优先级+访问频率+置信度+层次提升+近因衰减
• 汽车促销 --访问5次以上的记忆从中到长不等
• TTL扩展 --每次召回延长有效期（短+1小时，中+1天）
• 优先加固 --每10次访问+1次（最多10次）
• 矛盾检测 --存储与现有内存冲突的内存时发出警告
• 去重 --标题+名称空间升级，层永远不会降级
• 信心评分 --排名中考虑了0.0-1.0的确定性

组织

• 命名空间 --为每个项目隔离内存（从git远程自动检测）
• 内存链接 --类型关系：related_to、取代、矛盾、派生
• 整合 --将多个记忆合并为一个长期摘要
• 自动整合 --按命名空间+标签分组，自动合并阈值以上的组
• 矛盾解决 --将一个记忆标记为替代另一个，降级失败者
• 按模式遗忘 --按命名空间+FTS模式+层进行批量删除
• 来源追踪 --跟踪来源：用户、claude、钩子、api、cli、导入、整合、系统
• 代理人身份（NHI） --每一段记忆都承载着 metadata.agent_id （声称身份）具有跨更新/去重/导入/同步/合并的深度防御不变性；过滤器 list/search 由代理人
• 标记 --支持过滤器的逗号分隔标签

接口

• 42个HTTP端点 --127.0.0.1:9077上的完整REST API（适用于任何AI或工具）
• 26个CLI命令 --具有相同功能的完整CLI
• 43个MCP工具 --任何MCP兼容AI的原生集成
• 交互式REPL外壳 --召回、搜索、列表、获取、统计、命名空间、删除，并输出颜色
• JSON输出 -- --json 在所有CLI命令上标记

运营

• 多节点同步 --数据库文件之间的拉取、推送或双向合并
• 导入/导出 --完整的JSON往返保留内存链接
• 垃圾收集 --每30分钟自动背景过期
• 平滑关闭 --信号/信号检查点WAL，确保安全出口
• 深度健康检查 --验证数据库可访问性和FTS5完整性
• 壳体完井 --bash，zsh，鱼
• 手册页 -- ai-memory man 将roff生成到stdout
• 时间过滤器 -- --since/--until 在列表和搜索中
• 人类可读年龄 --CLI输出中的“2小时前”、“3天前”
• 颜色CLI输出 --ANSI层标签（红/黄/绿）、优先级栏、粗体标题、青色命名空间

质量

• LongMemEval基准测试 -- 5时为97.8% (489/500), 10时为99.0%, 20时的相对误差为99.8% ICLR 2025 LongMemEval-S数据集。在R@20时为499/500。纯FTS5关键字在2.2秒内（232 q/s）达到97.0%的R@5。LLM查询扩展将R@5提高到97.8%。云API成本为零。看 基准详细信息.
• MCP提示 -- recall-first 和 memory-workflow 提示教AI客户端主动使用内存
• TOON默认值 --召回/列表/搜索响应默认使用TOON压缩（比JSON小79%）
• 标准基准 --以1K的比例插入、调用、搜索
• GitHub操作CI/CD --fmt、clippy、测试、基于Ubuntu+macOS构建、标签发布

覆盖层（硬CI门）

这 Code Coverage 工作是 所需状态检查.CI在每个PR上重新断言两个不变量： >=90%线的绝对下限 （灾难性回归支持，设置为当前测量值，四舍五入到最接近的5%），以及 棘轮抵住固定的价值 .coverage-baseline 有0.5%的宽限期（日常执行）。提高覆盖率的PR应在同一提交中取消基线文件，以便未来的PR受益于新的下限；退化超过0.5%的PR被阻止合并。电流测量： 93.13% 线。

令牌预算门（硬CI门，v0.7 C5）

这 token-budget 工作流是 所需状态检查。它在每个PR上强制执行三个cl100k_base-defined不变量：

• 每个工具上限为1500个代币 --没有一个MCP工具的序列化模式（名称+描述+inputSchema）可以超过1500个cl100k_base令牌。
• 全轮廓诚实范围（5K-8K） --v0.6.4后挡板，保持原位以检测病理性收缩（意外掉落工具）。
• **全剖面\`.在AI平台的配置中配置MCP服务器：

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp"]
    }
  }
}

HTTP API（通用——适用于任何人工智能或工具）

启动HTTP服务器以进行REST API访问。任何可以进行HTTP调用的AI、脚本或自动化都可以使用此功能：

ai-memory serve
# 24 endpoints at http://127.0.0.1:9077/api/v1/

CLI（通用-用于脚本编写和直接使用）

CLI可以独立工作，也可以作为运行shell命令的AI集成的构建块：

ai-memory store --tier long --title "Architecture decision" --content "We use PostgreSQL"
ai-memory recall "database choice"
ai-memory search "PostgreSQL"

______________________________________________________________________

功能层

ai内存支持4个功能层，在启动时选择 ai-memory mcp --tier 更高的层以磁盘和RAM为代价添加ML功能：

能力矩阵

每个功能都映射到其最低层。每一层都包括其下各层的所有功能。

语义层 （默认）捆绑Candle ML框架，并在第一次运行时下载全MiniLM-L6-v2模型（约90 MB）。 聪明的 和 自主的 层次要求 奥拉玛 在本地运行。

分层门功能，而不是模型。 这 --tier 标记控制哪些工具被公开。LLM模型可通过以下方式独立配置 llm_model 在 ~/.config/ai-memory/config.toml例如，使用速度更快的e2b模型运行自主层（全43刀具表面+重新分级）：

# ~/.config/ai-memory/config.toml
tier = "autonomous"        # all features enabled
llm_model = "gemma4:e2b"   # faster model (46 tok/s vs 26 tok/s for e4b)

这 --tier 旗帜 必须 在MCP参数中传递 config.toml 当AI客户端启动服务器时，不使用层设置。

# Keyword (default)
ai-memory mcp

# Semantic -- hybrid recall with embeddings
ai-memory mcp --tier semantic

# Smart -- adds LLM-powered query expansion, auto-tagging, contradiction detection
ai-memory mcp --tier smart

# Autonomous -- adds cross-encoder reranking
ai-memory mcp --tier autonomous

这 memory_capabilities 该工具在运行时报告活动层、加载的模型和可用功能。

______________________________________________________________________

MCP工具

当配置为MCP服务器时，这43个工具可用于任何与MCP兼容的AI（规范计数在 证据页；下表记录了大多数客户日常使用的核心子集）：

______________________________________________________________________

HTTP API

50个端点 127.0.0.1:9077.开始 ai-memory serve.

安全： HTTP服务器绑定到127.0.0.1，没有身份验证和许可的CORS。在没有带身份验证的反向代理的情况下，不要暴露在网络中。

______________________________________________________________________

CLI命令

40个子命令。跑 ai-memory --help 有关任何命令的详细信息。

顶级 ai-memory binary也接受全局标志：

这 store 子命令接受其他标志：

这 mcp 子命令接受一个附加标志：

______________________________________________________________________

回忆评分

每个回忆查询都按6个因素对记忆进行排名：

score = (fts_relevance * -1)
      + (priority * 0.5)
      + (MIN(access_count, 50) * 0.1)
      + (confidence * 2.0)
      + tier_boost
      + recency_decay

______________________________________________________________________

内存层

自动行为

• 召回时的TTL扩展：短期记忆获得+1小时，中期记忆获得+1天
• 汽车促销：中端存储器访问5次以上升级为长（过期清除）
• 优先加固：每10次访问，优先级增加1（上限为10）
• 矛盾检测：当新内存与同一命名空间中的现有内存冲突时发出警告
• 去重：标题+命名空间上的追加销售；层在更新时从不降级

______________________________________________________________________

可配置TTL

默认TTL（短期6小时，中期7天）可以在中覆盖 ~/.config/ai-memory/config.toml 在...之下 [ttl] 章节：

[ttl]
short_ttl_secs = 21600      # short-tier TTL in seconds (default: 21600 = 6 hours)
mid_ttl_secs = 604800        # mid-tier TTL in seconds (default: 604800 = 7 days)
long_ttl_secs = 0            # long-tier TTL in seconds (default: 0 = never expires)
short_extend_secs = 3600     # TTL extension on recall for short-tier memories in seconds (default: 3600 = +1h)
mid_extend_secs = 86400      # TTL extension on recall for mid-tier memories in seconds (default: 86400 = +1d)

所有五个字段都是可选的——省略任何字段以保持默认值。将任何值设置为0以禁用该层的过期。数值被限制在10年的最大值；负扩展值被限制为0。

注： 配置在进程启动时加载一次。更改为 config.toml 需要重新启动ai内存进程（MCP服务器、HTTP守护进程或CLI）才能生效。

______________________________________________________________________

档案

当垃圾回收使内存过期时，它可以 归档 而不是永久删除。存档的内存被移动到单独的存储中，以后可以浏览、还原或清除。

配置

在中启用存档 ~/.config/ai-memory/config.toml:

archive_on_gc = true   # archive expired memories instead of deleting them (default: true)

CLI命令

这 archive 子命令管理存档：

ai-memory archive list                          # list archived memories
ai-memory archive list --namespace my-project   # filter by namespace
ai-memory archive restore                   # restore an archived memory to active store
ai-memory archive purge --older-than-days 90     # permanently delete archives older than 90 days
ai-memory archive stats                         # show archive statistics

注： 恢复的记忆得到他们的 expires_at 清除（在下一个TTL分配之前变为永久）。

MCP工具

MCP客户可以使用四种存档工具：

HTTP端点

______________________________________________________________________

安全

ai存储器包括所有输入路径的硬化：

• 交易安全 --所有多步骤数据库操作都使用事务；失败时不进行部分写入
• FTS注射预防 --在到达FTS5查询之前对用户输入进行净化；特殊字符被转义
• 错误清理 --从错误响应中删除内部数据库路径和系统详细信息；客户端看到结构化错误类型（NOT_FOUND、VALIDAION_FAILED、DATABASE_error、CONFLICT）
• 车身尺寸限制 --通过Axum的DefaultBodyLimit，HTTP请求体的大小上限为50MB
• 批量操作限制 --批量创建端点强制使用最大批处理大小以防止资源耗尽
• 跨域资源共享 --为本地主机开发工作流启用了许可CORS层
• 输入验证 --每个写入路径都验证标题长度、内容长度、命名空间格式、源值、优先级范围（1-10）、置信度范围（0.0-1.0）、标记格式、层值、关系类型和ID格式
• 同步链接验证 --在同步操作期间导入之前，所有链接都经过验证（包括ID、关系类型、无自链接）
• 螺纹安全色 --终端颜色检测用途 AtomicBool 用于安全并发访问
• 仅本地HTTP --HTTP服务器默认绑定到127.0.0.1；未暴露于网络
• WAL模式 --SQLite预写日志记录，用于在写入过程中进行安全的并发读取

______________________________________________________________________

文档

______________________________________________________________________

许可证

版权所有2026 AlphaOne有限责任公司.

根据 Apache许可证，版本2.0 （“许可证”）； 除非遵守许可证，否则您不得使用此文件。 您可以在以下网址获得许可证副本

除非适用法律要求或书面同意，否则软件 根据许可证分发的内容按“原样”分发， 无任何明示或暗示的保证或条件。 请参阅许可证，了解管理权限和 许可证下的限制。