AMP:代理内存协议🧠
代理记忆的开放标准。
   
______________________________________________________________________
(短篇)故事
我厌倦了构建人工智能代理 忘记了一切 我关闭终端的那一刻。
RAG(检索增强生成)非常适合文档,但对于 *经验*它盲目地分割文本,失去了叙事性。当我问我的经纪人“我们为什么昨天才做出这个决定?”他们给了我幻觉般的废话。
所以我建造了 安培它不仅仅是一个数据库;这是一个 海马体 为了你的代理人。它模仿了人脑对 工作记忆 (短期背景)和 情景长期记忆,给你的代理人一种持续、不断发展的自我意识。
为什么开发人员转向AMP?
🌌 银河视图(可视化)
不要只是 *猜测* 你的经纪人知道什么。 看。 AMP配备了一个令人惊叹的60fps本地仪表板。实时观察记忆形成星座。节点按语义意义进行聚类——如果两个概念相关,它们在物理上会一起移动。
______________________________________________________________________
🕸️ 力模式(物理)
切换到 强制模式 看看你的记忆之间的拓扑关系。它使用物理模拟(D3.js)向您展示不同的内存集群是如何通过共享上下文“拉”在一起的。
______________________________________________________________________
🔍 语义查询
停止猜测关键字。使用自然语言查询代理的内存。我建立了一个专门的界面,不仅可以找到相关的记忆,还可以向你展示 相关性得分 (0-100%),因此您确切地知道检索内存的原因。
______________________________________________________________________
🔌 MCP原生(即插即用)
从第一天开始就为 模型上下文协议.
- 克劳德桌面:将AMP添加到您的配置中,Claude会永远记住您。
- 光标:为你的编码助理提供项目历史的持久上下文。
🧠 “三层”大脑
我不只是把文本转储到矢量存储中。我构建了它:
- ⚡ STM(短期):高保真缓冲区。“我们在做什么 *马上*?"
- 📚 LTM(长期):综合见解。“我们上周学到了什么?”
- 🕸️ 图:实体之间的连接。“怎么样
function A与...相关bug B?"
🏆 同类最佳召回
我将AMP与主要竞争对手进行了基准测试(Mem0)关于综合体 LoCoMo 数据集。结果并不接近。
| 系统 | LLM召回准确性 | 为什么? |
|---|---|---|
| 安培 | 81.6% 🚀 | 上下文优先.保存 *叙述*. |
| 模0 | 21.7% | 提取优先激进的总结会失去细节。 |
______________________________________________________________________
快速设置(30秒)
1.通过安装 uv (推荐)
# Install the tool
uv tool install amp-memory
# Start the brain
amp serve2.或者,通过安装 pip
pip install amp-memory
amp serve3.打开仪表板
访问 http://localhost:8000. 界面是 银河模式 默认情况下。切换到 强制模式 查看基于物理的连接。
______________________________________________________________________
4.连接到IDE和工具
AMP与 反重力, 光标, VS代码副本,以及 克劳德桌面. 将其添加到MCP配置文件中(通常 mcp_config.json 或 claude_desktop_config.json):
{
"mcpServers": {
"amp-memory": {
"command": "uv",
"args": ["tool", "run", "amp-memory", "serve"],
"env": {
"PYTHONPATH": "."
}
}
}
}现在你可以说:
*“@amp记住我正在重构登录控制器。”* *“@amp我们修复的最后一个错误是什么?”*
它知道。
______________________________________________________________________
路线图🗺️
- \[x\] 银河景观:视觉语义空间。
- \[x\] 图形应用程序接口:D3.js驱动的可视化。
- \[x\] 语义搜索:基于向量的相关性排序。
- \[ \] 云同步:跨设备同步内存。
- \[ \] 多智能体群:代理团队共享内存。
明星历史

______________________________________________________________________
Made with ❤️ by Akshay.
