Echo Memory

Архитектура долгосрочной памяти для ИИ-агентов. Echo Memory создана, чтобы запоминать всё, что агент когда-либо узнал, наилучшим возможным способом, и продолжать эффективно извлекать и записывать эту память независимо от того, сколько истории накопилось, — для инструментов разработки, чат-ботов, DevOps-агентов или любой другой агентной системы, локальной или развернутой.

Зачем

Каждый ИИ-агент начинает с нуля, если только что-то не запомнило, что произошло в прошлый раз, и не запомнило это достаточно хорошо и достаточно быстро, чтобы оставаться полезным спустя месяцы или годы накопленной истории. Большинство инструментов памяти решают задачу краткосрочного запоминания с помощью обычного векторного поиска по сохранённым фактам. Это деградирует по мере роста истории: больше кандидатов, больше шума, медленнее извлечение. Echo Memory построена вокруг алгоритма чтения/записи и структуры данных, которые продолжают работать на длинных горизонтах, а не только в первый день:

• Временной, самоуплотняющийся граф памяти. Факты — это рёбра между сущностями, а не плоские векторные строки. Старая, редко используемая память не просто накапливается: со временем она консолидируется в обобщения более высокого уровня (никогда не удаляется, всегда можно проследить до оригинала), поэтому стоимость извлечения остаётся ограниченной тем, что актуально сейчас, а не тем, что когда-либо было записано. См. docs/designs/echo-memory-design.md для описания реального механизма.

• Настоящая структура графа, а не только сходство. Многошаговые запросы, например «как мы сюда попали?», выполнимы, потому что факты связаны, а не просто индивидуально встроены.

• Причинная типизация, а не только сходство. Рёбра могут быть помечены как caused_by, led_to, blocked_by, contradicts, заданные самим агентом на основе прочтения разговора, а не выведенные статистически. Честно о том, что осуществимо сегодня, а что нет.

• Аудируемость по дизайну. Каждое изменение памяти логируется с пояснением на простом языке, которое можно прочитать (echo-memory why <fact_id>). Память, которая консолидируется и редактирует себя, заслуживает доверия только если видно, почему.

• Один движок хранения для любого масштаба. Postgres + pgvector + Apache AGE, от одного локального агента до общеорганизационного общего графа, охватывающего всех агентов, которых запускает бизнес. Никакой принудительной миграции позже. (Новизна — в структуре памяти и алгоритме, работающих поверх Postgres, а не в новом движке базы данных; см. дизайн-документ, почему.)

• Любой агент, а не один вендор. Интерфейс — MCP: любой MCP-совместимый агент может читать и записывать в тот же граф памяти, будь то ассистент для программирования, чат-бот, операционный агент или что-то созданное внутри компании.

Related MCP server: smriti-memcore

Для кого это

• Разработчик, запускающий локальных агентов, который хочет, чтобы Claude Code, Cursor или что-то ещё перестало терять контекст между сессиями и инструментами.

• Команда или организация, запускающая агентные системы в продакшене (боты поддержки, DevOps-агенты, внутренние инструменты), которой нужен общий слой памяти вместо N разрозненных, с моделью аренды (ниже), чтобы правильно ограничивать доступ для каждого агента, команды или всей организации.

Статус

Ранняя и поэтапная стадия. См. docs/designs/ для полной архитектуры и плана сборки v1a → v1b. Проверенный клин, движущий v1a, — это именно кросс-инструментальная память агентов для программирования (ежедневная боль основателя, реальная и протестированная). Более широкое видение выше — это цель, к которой строится эта архитектура, а не то, что доказывает сама v1a. v1a доказывает базовое извлечение, прежде чем v1b добавит причинную типизацию и многошаговое извлечение из графа, а до v1.1 добавит общеорганизационную аренду, от которой зависит более широкое видение.

Начало работы

Пока не готово к использованию; см. docs/designs/echo-memory-design.md для текущего плана сборки и прогресса, и docs/DEVELOPMENT.md для локальной настройки, когда появится код.

Архитектура

• Хранилище: PostgreSQL с расширениями pgvector и Apache AGE

• Извлечение: гибридный векторный + полнотекстовый поиск (v1a), с Personalized PageRank через networkx, добавленным в v1b для многошагового ассоциативного извлечения

• Интерфейс: сервер Model Context Protocol: write_episode, query_memory, get_audit_log

Вклад

См. CONTRIBUTING.md. Приветствуются issues и PR; пожалуйста, сначала прочитайте дизайн-документы, чтобы предложения соответствовали поэтапному плану сборки.

Лицензия

Apache License 2.0. См. LICENSE.