Argon Memory

面向真正做实事的智能体的持久项目记忆

一个开源 MCP 知识系统，将文档、智能体输出、决策和经过验证的对话转化为持久、以证据为依据的项目记忆。

中文 · 架构 · MCP 工具 · 基准测试 · 安全

大多数智能体记忆系统保存的是聊天片段。Argon Memory 维护的是一个项目。

它为每个已连接的智能体提供同一份紧凑的项目地图，让其在需要时才检索精确的证据，并在工作结束后将具有持久价值的输出与提炼后的知识保存下来，从而形成闭环。事实不会静默地相互覆盖：来源、修订、验证状态和未解决的冲突始终保持可见。

为什么选择 Argon Memory

• 项目形态的记忆 —— 一个稳定的主文件、持续维护的领域分节、知识图谱和关联的 Artifacts。

• 节省 Token 的上下文 —— 先加载精简的项目地图；仅在任务需要时才检索分节和证据摘录。

• 证据先于确信 —— 被接受的记忆会链接到源记录；未获支持的候选会被隔离，而不会变成事实。

• 持久的智能体收尾 —— 工作项、生成的资源、决策、经验教训和未解决的问题在聊天会话结束后依然存在。

• 设计上即具备冲突感知能力 —— 相互竞争的主张会被披露并转交给经授权的人工解决者；模型不能静默地挑选赢家。

• 仅追加历史 —— 不可变的修订清单、SHA-256 指纹、审计事件和取代关系，而不是破坏性删除。

• MCP 原生 —— 可与 Codex、Claude Code、Qoder、Hermes、Cursor 或任何 Streamable HTTP MCP 客户端配合使用。

• 模型无关 —— 查询路径不需要 LLM。一个独立的、可选的维护 worker 可以使用你所选择的模型和提供商。

Related MCP server: lore

心智模型

flowchart LR
  A["Agent starts a task"] --> B["Main project file"]
  B --> C["Maintained section"]
  C --> D["Linked Artifact evidence"]
  C --> E["Accepted memory"]
  D --> F["Precise answer or project work"]
  E --> F
  F --> G["Work closeout"]
  G --> H["Outputs + distilled knowledge"]
  H --> I["Validation and conflict routing"]
  I --> B

各层承担不同的职责：

快速开始

要求：Node.js 22+；仅在使用可选的 MinerU 适配器时需要 Python 3.10+。

git clone https://github.com/Tangtaizong-BUAA/ArgonMemory.git
cd ArgonMemory
npm install
npm run build

export ARGON_MEMORY_KB_ROOT="$PWD/data"
export ARGON_MEMORY_MCP_PROFILE="project-ops"
export ARGON_MEMORY_ALLOW_UNAUTHENTICATED="true" # local bootstrap only
npm start

MCP 端点为 http://127.0.0.1:8793/mcp；健康检查位于 http://127.0.0.1:8793/health。

使用 kb_bootstrap_project 初始化第一个项目：

{
  "project_id": "project:my-product",
  "title": "My Product",
  "mission": "Maintain a trustworthy, durable operating memory for this product."
}

初始化之后，使用 project-contribute 配置文件运行常规智能体，并安装随附的 argon-memory Skill。

连接 MCP 客户端

{
  "mcpServers": {
    "argon_memory": {
      "url": "http://127.0.0.1:8793/mcp",
      "headers": {
        "Authorization": "Bearer ${ARGON_MEMORY_TOKEN}"
      }
    }
  }
}

对于本地的单用户实验，仅在 ARGON_MEMORY_ALLOW_UNAUTHENTICATED=true 时才可省略请求头。切勿将未认证的 contribute 或 ops 配置文件暴露到网络。

智能体工作流

kb_sync_skill → kb_brief → kb_graph_context → kb_search as needed
              → kb_start_work → publish/capture → kb_finish_work

1. kb_brief 加载完整的紧凑项目地图。

2. kb_graph_context 打开一个受维护的分节及其关联的证据。

3. kb_search 检索精确的事实、名称、日期、版本、引文和 Artifact 摘录。

4. kb_start_work 在实质性工作开始前创建持久的任务身份。

5. kb_publish_resource 存储有用的输出；kb_capture_context 提交提炼后的记忆候选。

6. kb_finish_work 记录结果、证据、未解决事项和幂等的结果哈希。

这种分离避免了两种常见失败：用整个档案淹没每个提示，以及假装简短摘要就足以作为证据。

权限配置文件

主体令牌以 SHA-256 哈希形式存储在 ARGON_MEMORY_MCP_PRINCIPALS_JSON 中。解决者访问权限还额外要求 project-owner 或 designated-resolver 角色。共享令牌永远无法证明是哪个人类在发言。

权威存储

Argon Memory 有意以人类可检视的 Markdown 和 YAML frontmatter 作为权威事实。搜索索引和图视图都是派生产物，并且可以重建。

data/
├── registry/                 # projects, sections, work, Artifacts, conflicts
├── memory/                   # structured memory records
├── events/                   # durable activity records
├── resources/                # immutable uploaded bytes
├── normalized/               # parser-derived Markdown and media links
├── audit/events.jsonl        # append-only audit stream
├── maintenance/queue.sqlite  # bounded maintenance ChangePackets
└── knowledge/
    ├── revisions/            # immutable canonical snapshots
    ├── indexes/              # rebuildable derived indexes
    └── current-revision.json # atomic pointer to one consistent snapshot

本仓库不包含任何项目数据。data/ 目录树在运行时创建，并被 Git 忽略。

Artifact 规范化

文本、Markdown、CSV、JSON 和 YAML 会立即可搜索。二进制文档在规范化之前保持为不可变的 Artifacts。

MinerU Cloud 是一个可选的适配器：

python3 -m pip install mineru-open-sdk
export MINERU_API_KEY="..."

然后，一个 ops 主体可以注册源根目录、摄取清单，并调用 kb_parse_artifact。API 出站流量会写入审计日志。Argon Memory 不与 MinerU 的存储层或模型层耦合；其他规范化器也可以写入相同的规范化 Markdown 契约。

有意不包含的内容

• 没有聊天 UI 或托管的在线智能体。

• 没有命令运行器、容器工作区或远程执行平面。

• 没有项目文档、用户文件、生产数据库、凭据或部署机密。

• 没有代表已连接客户端作答的模型。

• 发布包中不包含测试夹具或测试语料库。

Argon Memory 是记忆层。你的本地或托管智能体仍然是推理与执行层。

状态

0.1.1 是当前独立的 Argon 版本，提取自生产环境中的项目记忆系统。存储契约、MCP 接口面、来源规则和冲突边界现在即可使用；大规模向量后端和更多规范化器适配器仍是后续工作。

公开基准测试

Argon Memory 包含一个面向官方 LongMemEval-V2 Agent 记忆基准测试的 MCP 原生适配器。它评估涵盖五种记忆能力的长周期网页与企业轨迹，同时衡量答案质量和查询延迟。合成用例仅用作冒烟门禁，绝不会作为基准分数上报。参见 基准测试、报告政策 和首份公开检索诊断。

上面的对比复现了官方发布的 RAG、AgentRunbook-R、Codex 和 AgentRunbook-C 准确率/延迟数据点，并单独标注了 AgentRunbook-C V2 研究更新。Argon 的官方答案准确率和 LAFS 仍有待公布；下面的诊断仅涉及检索，不会作为答案准确率绘制。

渊源与许可证

Argon Memory 源自基于 MIT 许可证的 MinerU Document Explorer 之上的项目记忆工作。Argon Memory 0.1.1 及更高版本以 Apache License 2.0 发布，其中包括明确的专利授权。上游署名和原始 MIT 声明保留在 NOTICE 和 THIRD_PARTY_NOTICES.md 中。

贡献者

Argon Memory 由 Tangtaizong-BUAA 创建并领导，OpenAI Codex 被认可为 AI 工程协作者。角色与贡献归属边界记录在 CONTRIBUTORS.md 中。

欢迎贡献。在提交 pull request 或报告漏洞之前，请先阅读 CONTRIBUTING.md 和 SECURITY.md。