MemoGraph 🧠

MemoGraph 可将一个文件夹中的 Markdown 笔记转化为可查询、AI 就绪的知识图谱。 它解决了 LLM 的记忆难题——你的 AI 助手会忘记上周二的决策、无法跨两个项目找到相关的笔记，并且一遍又一遍地重新推导出相同的见解——通过为它们提供一个持久、可导航、便于归因的记忆层，而且这层记忆完全存放在你掌控的纯 Markdown 文件中。

你用自己习惯的方式写笔记。MemoGraph 会对它们建立索引，从 [[wikilinks]] 构建图谱，按显著性排序，并按需返回给你的 LLM（或你的团队）。

⚡ 60 秒上手体验

pip install memograph
memograph quickstart

仅此而已。quickstart 命令会在你的磁盘上生成一个小小的、相互关联的示例代码仓库（15 篇关于 Python 开发的笔记，彼此之间包含真实的 wikilink 链接），将其摄取，并运行三条实时演示查询，让你在决定是否继续投入之前就能看到图谱 + 混合检索的实际效果。尤其可以试试这条查询：

memograph --vault ~/memograph-quickstart search "FastAPI dependency injection"

该知识仓库中包含一篇标题为 FastAPI dependencies（内容涉及 Depends(...)）的笔记——“dependency”和“injection”这两个词从未出现在任何笔记的标题中。但 MemoGraph 依然能找到它，因为混合检索能理解“dependency injection”的语义，而 wikilink 图谱又能将相关笔记串联起来。这就是这款产品的核心价值，一条查询即可证明。

随时重新运行 memograph quickstart --force 即可重置为一个全新的演示环境。当你准备好后，将 MemoGraph 指向你的真实笔记：memograph --vault ~/your-notes ingest。

Related MCP server: exocortex

你将获得什么

作为个人用户 / 知识工作者

• 一个友好可读的 Markdown 文件组成知识库——没有专有格式，没有锁定风险。你的笔记比任何工具都长寿。

• 混合检索，结合了关键字搜索、语义相似度以及图遍历，这样即使你不记得确切的措辞，也能找到正确的笔记。

• AI 辅助的打标签、链接建议和缺口检测，让知识库持续增长，不会无用堆积。

• 一个 CLI 和一个 Web UI，用于浏览、编辑和展示图谱。

作为 AI 智能体 / IDE 用户

• 一个功能完备的 Model Context Protocol（MCP）服务器，提供 30 多个工具，开箱即用，可配合 Claude Desktop、Claude Code、Cursor、Cline、Windsurf、Continue、Zed、VS Code、Goose、Gemini CLI、OpenAI Codex CLI 等使用。

• 自主“自动保存”钩子，可自动从你的 AI 对话中捕获决策和上下文到知识库中。

• 按对话回记忆的回忆——助手可以拉取“上周我们关于 X 做了什么决定”的内容，而不需要你每次手动复制粘贴上下文。

作为企业 / SaaS 运维方

• 多租户部署，每个租户基于文件系统隔离，端到端隔离测试，以及 warm-LRU 内核缓存。

• OIDC + API 密钥认证，支持 JWKS（Auth0、Clerk、WorkOS、Keycloak、Azure AD、Okta）、限制性 CORS、请求大小上限和速率限制。

• 符合 GDPR 的定时删除：包含宽限期的 tombstone 流程、自动最终备份、每日 reaper，以及每次删除的审计日志。

• 内置可观测性：OpenTelemetry 追踪 + Prometheus /metrics、携带请求 ID 的结构化 JSON 日志，以及用于编排的独立 /healthz / /readyz。

• 随代码附带运维手册：安装、SSO 配置、RBAC、备份恢复和 GDPR 流程。

消费者如何受益

让我们写出真正的表较多：

✨ 能力一览

核心记忆引擎

• 基于图的记忆 — 双向 [[wikilinks]] 自动构建一个可浏览的知识图谱。

• 混合检索 — 关键词 + 语义嵌入 + 图搜索，组合并重新排序。

• 记忆类型 — 认知科学激发：情景记忆、语义记忆、程序性记忆和事实记忆。

• 显著性评分（0–1），随时间衰减，访问时增强。

• 智能索引 — 基于 mtime 的缓存，只重新解析变更的文件。

• 上下文压缩 — 面向 LLM 请求的 Token 预算感知分窗。

• Markdown 原生知识库 — 每个记忆都是带 YAML frontmatter 的 .md 文件；绝不是专有格式。

AI 功能

• 智能自动组织引擎 — 从记忆中提取主题、人物、行动项、决策、问题、情感、风险、想法和时间线事件。

• 自动标签器 — 通过语义分析、结构化检测和模式记忆来建议标签。

• 链接建议器 — 为相关笔记推荐 [[wikilinks]]；同时提供一个双链建议。

• 空缺检测器 — 提示缺失主题、覆盖薄弱、孤立笔记和尚未建立的链接。

• 知识分析 — 知识库统计、主题聚类、学习路径和连接分析。

接口

• Python API — MemoryKernel，提供同步、异步和批处理变体。

• CLI — 24+ 个命令，用于摄取、搜索、批处理、导入、导出、备份和 AI 功能。

• MCP 服务器 — 30+ 个工具，stdio 传输，可即插即用于任何兼容 MCP 的客户端。

• Web UI — React + D3 图表可视化，支持搜索与编辑（FastAPI 后端 + Vite 前端）。

• HTTP API — 带版本的 /api/v1/，CI 中包含 OpenAPI 快照，可用于服务间集成。

企业级与 SaaS 就绪

• 多租户 — 文件系统隔离的租户、warm 内核的 LRU 注册表、按租户的审计日志和端到端隔离验证与 Release 决策。

• 认证 — 基于 OIDC（JWKS）或哈希 API 密钥；按路由的认证作用域；身份信息绑定到审计日志。

• Web 加固 — 受限 CORS、slowapi 速率限制、请求大小上限、结构化 JSON 日志带请求 ID、无信息泄漏的 500 处理器。

• 存储加固 — 防止路径穿越的知识库写入、知识库大小软/硬限制、版本化的缓存表结构。

• 定时删除 用于 GDPR 第十七条：带可配置宽限期的 tombstone、自动最终备份、每日停止脚本、宽限期结束前取消的端点。

• 可观测性 — OpenTelemetry FastAPI/asyncio 自动探测器、Prometheus /metrics、OTLP 导出。

• 可靠性 — 并发审计、并发写入压测、带完整性校验的版本化备份格式。

• 分发 — 固定并锁定的依赖、Docker Compose 用于自托管、安全的工作流（bandit + pip-audit）。

关于系统操作者的详细信息，参见 docs/INSTALL_ENTERPRISE.md、docs/SSO_SETUP.md、docs/GDPR_RUNBOOK.md、docs/BACKUP_RESTORE_RUNBOOK.md、docs/OBSERVABILITY_GUIDE.md 和 docs/RBAC_GUIDE.md。

🚀 快速开始

自己托管？ docs/HOSTING_GUIDE.md 提供了四种真正免费的方式——Oracle Free Tier、Cloudflare Tunnel + 你自己的硬件（对大多数感觉推荐）、GCP 永久可用组合以及 GitHub 存储库作为知识库。通过 OIDC 和 Google 云端硬盘作为可移植备份，适用于 Workspace，具体方案见 docs/GOOGLE_WORKSPACE_SETUP.md。

安装

pip install memograph

安装可选依赖：

# For OpenAI support
pip install memograph[openai]

# For Anthropic Claude support
pip install memograph[anthropic]

# For Ollama support
pip install memograph[ollama]

# For embedding support
pip install memograph[embeddings]

# Install everything
pip install memograph[all]

Python 用法

from memograph import MemoryKernel, MemoryType

# Initialize the kernel attached to your vault path
kernel = MemoryKernel("~/my-vault")

# Ingest all notes in the vault
stats = kernel.ingest()
print(f"Indexed {stats['indexed']} memories.")

# Programmatically add a new memory
kernel.remember(
    title="Meeting Note",
    content="Decided to use BFS graph traversal for retrieval.",
    memory_type=MemoryType.EPISODIC,
    tags=["design", "retrieval"]
)

# Retrieve context for an LLM query
context = kernel.context_window(
    query="how does retrieval work?",
    tags=["retrieval"],
    depth=2,
    top_k=8
)

print(context)

🔌 MCP 服务器（Model Context Protocol）

MemoGraph 提供了一个功能完备的 MCP 服务器，用于无障碍接入 Cline 和 Claude Desktop 等 AI 助手。

📖 初次接触 MemoGraph MCP? 请参见 MCP 用户指南，那里有实际使用说明和示例！

🚨 遇到连接问题? 请参考 设置与故障排查指南——常见“无法连接”错误的解法！

注意：README 中提到的工具数量“19 Available Tools”是指下方一节将要列出的工具列表。

19 个可用工具

支持的客户端

MemoGraph 的 MCP 服务器是一个 stdio 服务器——它可以与任何兼容 MCP 的智能体 CLI 或编辑器一起运行。完整设置手册（配置文件路径、格式差异、验证步骤）位于 docs/MCP_CLIENTS.md：

启动 MCP 服务器

执行 pip install memograph（或 uv tool install memograph）后，以下三种启动命令完全等价：

memograph-mcp                              # console script (recommended)
python -m memograph.mcp.run_server         # module form (works with any Python)
uvx --from memograph memograph-mcp         # zero-install via uv

memograph-mcp 和 memograph 均注册为控制台脚本：前者启动 MCP 服务器，后者是 CLI。二者不会冲突。

只读模式

对于共享部署或不受信任的客户端，请设置 MEMOGRAPH_READONLY=true。服务器会拒绝所有写入知识库的工具——create_memory、import_document、update_memory、delete_memory、relate_memories、bulk_create、batch_update、batch_delete、import_backup_tool 以及自动保存钩子——并返回结构化的 {"success": false, "readonly": true, "error": "..."} 载荷。读取类工具（search_vault、query_with_context、list_memories、get_memory、分析功能、图谱遍历）保持完全可用。

Claude Desktop 快速设置

在你的 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "memograph": {
      "command": "memograph-mcp",
      "env": {
        "MEMOGRAPH_VAULT": "/path/to/your/vault"
      }
    }
  }
}

如果 memograph-mcp 二进制文件不在客户端的 PATH 中（当客户端未使用你的 shell 环境启动时，这很常见），请改用显式模块形式：

{
  "mcpServers": {
    "memograph": {
      "command": "python",
      "args": ["-m", "memograph.mcp.run_server"],
      "env": {
        "MEMOGRAPH_VAULT": "/path/to/your/vault"
      }
    }
  }
}

Cline 快速设置

在你的 ~/.cline/mcp_settings.json 中添加：

{
  "mcp": {
    "servers": {
      "memograph": {
        "command": "memograph-mcp",
        "env": {
          "MEMOGRAPH_VAULT": "/path/to/your/vault"
        }
      }
    }
  }
}

对于 Claude Code、Cursor、Windsurf、Continue、Zed、VS Code、Goose、Gemini CLI、Codex CLI、LM Studio、Cherry Studio 和 Bob Shell，请参阅 docs/MCP_CLIENTS.md。

从 MCP Registry 安装

新增：MemoGraph 现已可在官方 MCP Registry 中获取！🎉

Registry URL：https://github.com/modelcontextprotocol/servers/tree/main/src/memograph

pip install memograph

然后将适合你客户端的配置片段粘贴到其配置文件中（见上文表格或 docs/MCP_CLIENTS.md）。

MCP Registry 收录的优势：

• ✅ 由 Anthropic、GitHub 和 Microsoft 支持的官方 Registry

• ✅ 可被所有兼容 MCP 的客户端发现

• ✅ 经过验证的服务器卡片和元数据

• ✅ 可从 PyPI 包直接链接

• ✅ 受到 MCP 社区的信赖

注意：Registry 使用 PyPI 包的版本。当你执行 pip install memograph 时，会自动获取最新 registry 列举版本。

完整的提交与配置指南请参阅 MCP_REGISTRY_GUIDE.md。

使用示例

配置完成后，即可用自然语言与你的 AI 助手交互：

"Search my vault for memories about Python"
"Create a memory titled 'Project Ideas' with content '...'"
"Update memory abc-123 to have salience 0.9"
"Delete memory xyz-456"
"What tools are available?"
"Get vault statistics"

完整的 MCP 配置指引请参见 CONFIG_REFERENCE.md。

使用自动保存钩子

MemoGraph 提供自主钩子，自动保存对话：

• ⚠️ 重要提示：钩子属于被动工具——安装设置请参阅 Autonomous Hooks Guide

• 📝 快速修复：向 Claude Desktop 添加自定义指令（指南详见下方的说明）

• 🔧 使用 MEMOGRAPH_AUTONOMOUS_MODE=true 配置

阅读完整的 Autonomous Hooks 用户指南 →

🎯 CLI 用法

MemoGraph 附带了一个强大的 CLI，用于管理你的知识库并与之对话。

导入（Ingest）

将你的 markdown 文件索引到图数据库中：

memograph --vault ~/my-vault ingest

强制重新索引所有文件：

memograph --vault ~/my-vault ingest --force

记住（Remember）

从命令行快速添加一条记忆：

memograph --vault ~/my-vault remember \
    --title "Team Sync" \
    --content "Discussed Q3 goals." \
    --tags planning q3

上下文窗口

为查询生成上下文：

memograph --vault ~/my-vault context \
    --query "What did we decide about the database?" \
    --tags architecture \
    --depth 2 \
    --top-k 5

提问（交互式聊天）

启动一个带有知识库上下文的交互式聊天会话：

memograph --vault ~/my-vault ask --chat --provider ollama --model llama3

或者提出单个问题：

memograph --vault ~/my-vault ask \
    --query "Summarize our design decisions" \
    --provider claude \
    --model claude-3-5-sonnet-20240620

诊断

检查你的环境以及与 LLM 提供商的连接：

memograph --vault ~/my-vault doctor

### Import Documents

Import documents (TXT, PDF, DOCX) and convert them to markdown:

```bash
# Import a single file
memograph --vault ~/my-vault import document.pdf --type episodic

# Import entire folder
memograph --vault ~/my-vault import ~/Documents --recursive

# Preview files without importing (dry run)
memograph --vault ~/my-vault import ~/Documents --dry-run

# Auto-ingest after import
memograph --vault ~/my-vault import document.pdf --auto-ingest

批量操作

一次性高效管理多条记忆：

# Bulk create memories from JSON/CSV
memograph --vault ~/my-vault batch-create memories.json

# Bulk update memories by filter
memograph --vault ~/my-vault batch-update \
    --filter-tags outdated \
    --add-tags reviewed \
    --salience 0.8

# Bulk delete with safety checks
memograph --vault ~/my-vault batch-delete \
    --filter-type episodic \
    --filter-max-salience 0.3 \
    --dry-run

数据管理

导出、备份和恢复你的知识库：

# Export vault to JSON/CSV/Markdown
memograph --vault ~/my-vault export --format json --output backup.json

# Create timestamped backup
memograph --vault ~/my-vault backup --output ./backups

# Restore from backup
memograph --vault ~/my-vault import-backup backup.zip

配置与统计

管理设置并查看知识库分析：

# View vault statistics
memograph --vault ~/my-vault stats

# Configure settings
memograph config set embedding_provider openai
memograph config get embedding_provider
memograph config list

# Manage profiles
memograph config profile create work --vault ~/work-vault
memograph config profile use work

MCP 设置

交互式向导，为 Claude Desktop 或 Cline 配置 MCP 服务器：

# Run interactive setup wizard
memograph setup-mcp

# Verify MCP configuration
memograph verify-mcp

📖 完整 CLI 文档： 详细文档请参阅 CLI Usage Guide，内含 200 多个示例，覆盖全部 24 条命令。

🤖 AI 功能

MemoGraph 内置强大的 AI 驱动功能，旨在增强你的知识管理工作流。完整文档请参阅 AI Features Guide。

🏷️ AutoTagger - 智能标签建议

利用语义分析、内容结构和现有模式，自动建议相关标签：

# Suggest tags for a note
memograph suggest-tags note.md

# Apply high-confidence suggestions automatically
memograph suggest-tags note.md --apply

# Adjust confidence threshold and limit
memograph suggest-tags note.md --min-confidence 0.5 --max-suggestions 10

功能特性： 基于频率的提取 • 语义相似度 • 结构检测 • 模式学习 • 置信度评分

🔗 LinkSuggester - 智能 Wikilink 推荐

利用语义相似度和图谱分析，智能推荐指向关联笔记的 wikilink 链接：

# Suggest links for a note
memograph suggest-links note.md

# Apply suggestions automatically
memograph suggest-links note.md --apply

# Show bidirectional link opportunities
memograph suggest-links note.md --show-bidirectional

功能特性： 语义搜索 • 关键词匹配 • 基于图谱的建议 • 双向检测 • 目标预览

🔍 GapDetector - 知识库分析

识别知识库中缺少的话题、薄弱的覆盖和孤立的笔记：

# Detect all gaps
memograph detect-gaps

# Focus on high-severity gaps
memograph detect-gaps --min-severity 0.7

# Export results to JSON
memograph detect-gaps --output json > gaps.json

缺口类型： 缺少话题 • 覆盖薄弱 • 孤立笔记 • 缺少链接

📊 知识分析 - 全面洞察

对你的整个知识库进行全面分析：

# Full analysis with all features
memograph analyze-knowledge

# Export detailed report to JSON
memograph analyze-knowledge --output json > analysis.json

分析内容包括： 知识库统计 • 话题聚类 • 学习路径 • 缺口检测 • 连接分析

Python API for AI 功能

from memograph import MemoryKernel
from memograph.ai import AutoTagger, LinkSuggester, GapDetector

kernel = MemoryKernel("~/my-vault")
kernel.ingest()

# Get tag suggestions
tagger = AutoTagger(kernel, min_confidence=0.4)
suggestions = await tagger.suggest_tags(
    content="Python is great for data science",
    title="Data Science with Python"
)

# Get link suggestions
suggester = LinkSuggester(kernel, min_confidence=0.5)
links = await suggester.suggest_links(
    content="Python async programming tutorial",
    title="Async Python"
)

# Detect knowledge gaps
detector = GapDetector(kernel, min_severity=0.5)
gaps = await detector.detect_gaps()

# Comprehensive analysis
analysis = await detector.analyze_knowledge_base()

📖 完整文档：

• AI Features Guide - 带示例的完整指南

• Web UI Guide - 在浏览器中使用 AI 功能

• MCP AI Tools Guide - 面向 Claude & Cline 的 AI

💡 使用场景： 自动整理笔记 • 发现关联 • 识别缺口 • 保持一致性 • 构建学习路径

📖 核心概念

记忆类型

MemoGraph 支持受认知科学启发的多种记忆类型：

• 情景记忆：个人经历和事件（例如，会议记录）

• 语义记忆：事实和一般知识（例如，系统文档）

• 程序性记忆：操作知识和方法（例如，教程）

• 事实记忆：离散的事实信息（例如，配置值）

图谱遍历

该库使用 BFS（广度优先搜索）遍历你的知识图谱：

# Retrieve nodes with depth=2 (2 hops from seed nodes)
nodes = kernel.retrieve_nodes(
    query="graph algorithms",
    depth=2,  # Traverse up to 2 levels deep
    top_k=10  # Return top 10 relevant memories
)

显著性评分

每条记忆都有一个显著性评分（0.0–1.0），代表其重要程度：

---
title: "Critical Architecture Decision"
salience: 0.9
memory_type: semantic
---

We decided to use PostgreSQL for better ACID guarantees...

🏗️ 项目结构

MemoGraph/
├── memograph/          # Main package
│   ├── core/           # Core functionality
│   │   ├── kernel.py   # Memory kernel
│   │   ├── graph.py    # Graph implementation
│   │   ├── retriever.py # Hybrid retrieval
│   │   ├── indexer.py  # File indexing
│   │   └── parser.py   # Markdown parsing
│   ├── adapters/       # LLM and embedding adapters
│   │   ├── embeddings/ # Embedding providers
│   │   ├── frameworks/ # Framework integrations
│   │   └── llm/        # LLM providers
│   ├── storage/        # Storage and caching
│   ├── mcp/            # MCP server implementation
│   └── cli.py          # CLI implementation
├── tests/              # Test suite
├── examples/           # Example usage
└── scripts/            # Utility scripts

🤝 参与贡献

我们欢迎一切形式的贡献！详情请参阅我们的 Contributing Guide。

开发环境搭建

1. 克隆仓库：

   git clone https://github.com/Indhar01/MemoGraph.git
   cd MemoGraph

2. 以开发模式安装：

   pip install -e ".[all,dev]"

3. 安装 pre-commit hooks：

   pre-commit install

4. 运行测试：

   pytest

代码质量

我们维持着很高的代码质量标准：

• 代码检查：使用 Ruff 进行快速 Python Linting

• 代码格式化：使用 Ruff Formatter 保持代码风格统一

• 类型检查：使用 MyPy 进行静态类型分析

• 测试：使用 Pytest 并拥有全面的测试覆盖率

• Pre-commit Hooks：每次提交前自动执行检查

📚 文档

快速开始

• 托管指南 - 💸 免费托管选项（Oracle Free Tier、Cloudflare Tunnel、GCP、GitHub-vault）附加固检查清单

• Google Workspace 设置 - 🔐 OIDC 身份 + Drive 可移植性备份

• MCP 客户端指南 - 🔌 适用于 15+ 种智能体 CLI/编辑器的配置片段（Claude Code、Cursor、Windsurf、Continue、Zed、VS Code、Goose、Gemini CLI、Codex CLI、LM Studio、…）

• MCP 用户指南 - ⭐ 从这里开始！ 使用 MemoGraph MCP 的完整指南

• 设置与故障排除 - 🚨 无法连接？ 连接问题的分步修复方法

• MCP 测试指南 - 设置后测试你的 MCP 服务器

面向开发者与贡献者

• MCP Registry 指南 - 发布到官方 MCP Registry

• 版本策略 - 语义化版本控制与发布规划

• AGENTS.md - 面向使用此代码库的 AI 智能体的指南

• 贡献指南 - 如何为项目做贡献

• 行为准则 - 社区准则

• 安全策略 - 安全报告与最佳实践

• 变更日志 - 版本历史与变更

🔒 安全

请参阅我们的安全策略报告漏洞。

📄 许可证

本项目基于 MIT License 授权，详见 LICENSE 文件。

🌟 致谢

灵感来自 LLM 应用对更好记忆管理的需求。基于以下技术构建：

• 基于图的知识表示

• 混合检索策略

• 认知科学原理

📬 联系与支持

• 问题：GitHub Issues

• 讨论：GitHub Discussions

📣 社区与反馈

我们非常重视社区的反馈与贡献！参与方式如下：

报告问题

发现 Bug 或有功能需求？请在 GitHub 上打开 issue。

讨论

在 GitHub Discussions 中参与交流：

• 提出问题

• 分享使用案例

• 提出改进建议

• 展示你的成果

贡献

我们欢迎各种贡献！请参阅贡献指南了解以下内容：

• 代码贡献

• 文档改进

• Bug 报告与功能请求

• 社区支持

保持关注

• ⭐ 在 GitHub 上为仓库加星标

• 👁️ 关注更新与发布

• 📦 在 PyPI 上关注该项目

• 🔗 查看 MCP Registry 列表

🚦 状态

当前版本：0.3.0

单租户部署是稳定的，推荐用于生产环境。 多租户部署功能已全部完成，并通过端到端隔离测试为发布把关；公共 API 将在 v1.0.0 时保持稳定。

• ✅ 核心功能稳定且经过测试（安全、契约、多租户套件共 172+ 项测试）

• ✅ 全包通过 MyPy 类型检查

• ✅ Ruff lint + format + pre-commit 钩子

• ✅ CI 中保留 OpenAPI v1 契约快照

• ✅ 多租户隔离不变量由 e2e 测试套件验证

• ⚠️ 在 v1.0.0 之前，公共 API 可能在次要版本中发生变化

近期更新

• Phase 3.7 — 符合 GDPR 的定时租户删除：带宽容期的墓碑、每日清理器、自动最终备份。

• Phase 3.5 — 将 TenantRegistry 接入请求路径；非管理员路由按租户解析其内核。

• Phase 3 脚手架 — 多租户 ADR、TenantStorage、TenantRegistry、租户生命周期的管理路由。

• Phase 2 — OpenTelemetry + Prometheus、结构化 JSON 日志、并发审计、压力测试。

• Phase 1 — OIDC + API 密钥认证、slowapi 速率限制、严格的 CORS、请求大小上限、vault 大小上限、schema 版本化缓存、OpenAPI v1 契约、安全测试套件。

• Phase 0 — 防路径遍历的 vault 写入、无信息泄漏的错误处理、固定依赖版本、Docker compose、安全 CI 工作流。

• 📦 已发布到官方 MCP Registry（io.github.indhar01/memograph）

用心打造，只为更好的 LLM 记忆管理。