Echo Memory

一个面向 AI 代理的长时程记忆架构。Echo Memory 旨在以最佳方式记住代理曾经学到的一切，并且无论历史积累多少，都能高效地持续读取和写入这些记忆——适用于编码工具、聊天机器人、DevOps 代理，或任何其他代理系统，无论是本地部署还是云端部署。

为什么

每个 AI 代理都是从零开始的，除非有什么东西记住了上次发生的事情，并且记得足够好、足够快，以至于在数月或数年的历史积累之后仍然有用。大多数记忆工具通过普通向量搜索来检索存储的事实，从而解决短期回忆问题。但随着历史增长，这种方式会退化：候选更多、噪声更大、检索更慢。Echo Memory 围绕读写算法和数据结构构建，使其在长时程下依然有效，而不仅仅是在第一天有效：

• 一个时间性的、自我整合的记忆图。 事实是实体之间的边，而不是扁平的向量行。旧的、很少访问的记忆不会只是堆积：它会随着时间被整合成更高级别的摘要（永不删除，始终可追溯到原始内容），因此检索成本受限于当前相关的内容，而不是曾经写入的所有内容。参见 docs/designs/echo-memory-design.md 了解实际机制。

• 真正的图结构，而不仅仅是相似性。 多跳查询，如“我们是怎么走到这一步的？”，之所以可回答，是因为事实是相互连接的，而不仅仅是单独嵌入的。

• 因果类型标注，而不仅仅是相似性。 边可以被标记为 caused_by、led_to、blocked_by、contradicts，由代理自己对对话的解读来设置，而不是通过统计推断。对哪些今天可行、哪些不可行保持诚实。

• 设计上可审计。 对记忆的每一次更改都会被记录，并附有你可以读回的通俗易懂的原因（echo-memory why <fact_id>）。自我整合和编辑的记忆只有在你能看到原因时才值得信任。

• 一个存储引擎，适用于所有规模。 Postgres + pgvector + Apache AGE，从单个本地代理到组织范围的共享图，覆盖企业运行的所有代理。以后无需强制迁移。（新颖的工作是运行在 Postgres 之上的记忆结构和算法，而不是新的数据库引擎；原因见设计文档。）

• 任何代理，而非某一家供应商的。 接口是 MCP：任何兼容 MCP 的代理都可以读写同一个记忆图，无论是编码助手、聊天机器人、运维代理，还是内部构建的东西。

Related MCP server: smriti-memcore

适用对象

• 运行本地代理的开发者，希望 Claude Code、Cursor 或其他工具不再在会话和工具之间丢失上下文。

• 在生产环境中运行代理系统的团队或组织（支持机器人、DevOps 代理、内部工具），需要一个共享的记忆层，而不是 N 个断开的记忆层，并借助（下文所述的）租户模型，按代理、按团队或组织范围正确地进行范围界定。

状态

早期且分阶段进行。参见 docs/designs/ 了解完整架构和 v1a → v1b 构建计划。驱动 v1a 的经过验证的楔子，特指跨工具编码代理记忆（创始人自己的日常痛点，真实且经过测试）。上述更广泛的愿景是这个架构所朝向的目标，而不是 v1a 本身要证明的东西。v1a 证明基本回忆有效，然后 v1b 添加因果类型标注和多跳图检索，再然后 v1.1 添加更广泛愿景所依赖的组织范围租户模型。

快速开始

尚不可用；参见 docs/designs/echo-memory-design.md 了解当前构建计划和进度，以及 docs/DEVELOPMENT.md 了解代码存在后的本地设置。

架构

• 存储： PostgreSQL，带有 pgvector 和 Apache AGE 扩展

• 检索： 混合向量 + 全文搜索（v1a），v1b 中通过 networkx 添加 Personalized PageRank 用于多跳联想检索

• 接口： Model Context Protocol 服务器：write_episode、query_memory、get_audit_log

贡献

参见 CONTRIBUTING.md。欢迎提交 Issue 和 PR；请先阅读设计文档，以便提案符合分阶段构建计划。

许可证

Apache License 2.0。参见 LICENSE。