面向 AI 智能体的持久化内存 —— 时序知识图谱、混合检索、支持 SQLite 或 PostgreSQL。

crates.io Docker MCP Registry License

java-ai-memory.dev · 源代码 · JamJet 文档 · Discord

Engram 是一个面向 AI 智能体的持久化内存层。它从对话中提取事实，将其存储在时序知识图谱中，并通过混合语义+关键词搜索进行检索 —— 支持单个 SQLite 文件或 PostgreSQL 数据库。

此仓库托管 Glama 注册表列表。源代码位于 JamJet 主仓库。

快速入门 —— 30 秒

# Docker — uses local Ollama by default
docker run --rm -i \
  -v engram-data:/data \
  ghcr.io/jamjet-labs/engram-server:0.5.0

或者从 crates.io 安装：

cargo install jamjet-engram-server
engram serve

Claude Desktop 配置

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "engram": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "-v", "engram-data:/data",
        "ghcr.io/jamjet-labs/engram-server:0.5.0"
      ]
    }
  }
}

重启后，模型即可使用 11 个 MCP 工具。

MCP 工具 (11)

内存工具 (7)

工具	描述
`memory_add`	使用 LLM 驱动的事实提取功能从对话消息中提取并存储事实。副作用：调用配置的 LLM 来解析事实，然后将其写入知识图谱。返回提取的事实 ID。需要 `messages` 数组和 `user_id`。
`memory_recall`	使用向量相似度对存储的事实进行语义搜索。只读，无副作用。返回匹配查询的排名事实，作用域限定为 `user_id` 和可选的 `org_id`。在生成响应前使用此工具检索相关上下文。
`memory_context`	为 LLM 提示词组装一个带有 Token 预算的上下文块，并进行分层事实选择。只读。返回格式化的最相关事实字符串，并限制在指定的 Token 预算内。当你需要现成的提示词片段时，请使用此工具代替 memory_recall。
`memory_search`	使用全文搜索（SQLite FTS5 / Postgres）对事实进行关键词搜索。只读，无副作用。返回匹配精确关键词的事实。当你需要精确术语匹配而非 memory_recall 提供的语义相似度时，请使用此工具。
`memory_forget`	通过 ID 软删除事实，并可选择提供原因。副作用：在知识图谱中将事实标记为已删除（不会物理移除）。此工具的操作不可逆。当用户要求删除特定信息时使用。
`memory_stats`	获取聚合统计信息：总事实数、有效（未删除）事实数、实体数量和关系数量。只读，无副作用。使用此工具了解内存存储的大小和健康状况。
`memory_consolidate`	对知识图谱运行维护周期 —— 衰减陈旧事实、提升高置信度事实、去重近乎重复的内容并汇总集群。副作用：修改事实评分，并可能合并或归档事实。定期运行以保持内存准确性。

消息存储工具 (4)

工具	描述
`messages_save`	按 ID 保存对话的聊天消息。副作用：将消息写入存储，并可选择触发事实提取（由 `--extract-on-save` 控制）。使用此工具在提取的事实之外持久化完整的对话历史。
`messages_get`	按 ID 检索对话的所有消息。只读，无副作用。返回有序的消息数组。使用此工具重放或检查过去的对话。
`messages_list`	列出消息存储中的所有对话 ID。只读，无副作用。返回对话 ID 字符串数组。在通过 messages_get 检索之前，使用此工具发现已存储的对话。
`messages_delete`	按 ID 删除对话的所有消息。副作用：从存储中永久移除对话消息。不可逆。不会影响已提取的事实 —— 请使用 memory_forget 来处理事实。

所有内存工具的作用域均为 (org_id, user_id, session_id) —— org 为最粗粒度，session 为最细粒度。

LLM 提供商

与提供商无关。 单个二进制文件，设置 ENGRAM_LLM_PROVIDER=... 即可使用：

提供商	环境变量值	备注
Ollama	`ollama` (默认)	本地、免费、无需 API 密钥
OpenAI 兼容	`openai-compatible`	OpenAI, Azure, Groq, Together, Mistral, DeepSeek, vLLM, LM Studio 等
Anthropic	`anthropic`	通过 Messages API 使用 Claude
Google	`google`	通过 generateContent 使用 Gemini
Shell 命令	`command`	管道传输至任何外部脚本
模拟	`mock`	确定性，仅用于测试

# Example: use Groq instead of Ollama
docker run --rm -i \
  -e ENGRAM_LLM_PROVIDER=openai-compatible \
  -e ENGRAM_OPENAI_BASE_URL=https://api.groq.com/openai/v1 \
  -e OPENAI_API_KEY=gsk_... \
  -v engram-data:/data \
  ghcr.io/jamjet-labs/engram-server:0.5.0

为什么选择 Engram？

问题	Engram 的解决方案
每个智能体内存库都是 Python 优先	Rust 核心，提供原生 Python、Java 和 MCP 客户端
尝试时需要 Postgres + Qdrant + Neo4j	单个 SQLite 文件（零基础设施）或按需使用 Postgres
对话历史不是知识内存	事实提取流水线 —— 从消息中提取结构化事实
旧事实会漂移并产生冲突	冲突检测 + 整合 —— 衰减、提升、去重、汇总
内存检索要么是语义的，要么是关键词的	混合检索 —— 单次查询中结合向量搜索 + FTS5
MCP 支持是事后添加的	MCP 原生 —— 单个二进制文件暴露 11 个工具
无法按用户或租户隔离内存	一流的作用域 —— 每个查询内置 org / user / session

客户端 SDK

语言	包	安装
Python	`jamjet` (包含 `EngramClient`)	`pip install jamjet`
Java	`dev.jamjet:jamjet-sdk` (包含 `EngramClient`)	Maven Central
Spring Boot	`dev.jamjet:engram-spring-boot-starter`	Maven Central
Rust	`jamjet-engram` (直接嵌入)	`cargo add jamjet-engram`

许可证

Apache 2.0 —— 参见 LICENSE。

jamjet-labs/engram-mcp-server

快速入门 —— 30 秒

Claude Desktop 配置

MCP 工具 (11)

内存工具 (7)

消息存储工具 (4)

LLM 提供商

为什么选择 Engram？

客户端 SDK

相关项目

许可证

Resources

Latest Blog Posts

MCP directory API