Skip to main content
Glama
1421906110

cognimem

by 1421906110
OverviewSchemaRelated ServersScoreDiscussions
Python
Hybrid

🧠 CogniMem — 认知记忆系统

Global AI Hackathon with QwenCloud | MemoryAgent 赛道

大多数记忆系统直接把原文堆进上下文，要么费 token，要么关键词硬匹配召回不准。

CogniMem 遵循四大设计原则：

🧠 更智能 · 💰 更省 Token · ⚡ 更省资源 · 🚀 算法更创新

Python 3.14+ FastAPI QwenCloud PostgreSQL License: MIT

在线演示： http://47.99.151.253:8000

📸 界面截图

💬 聊天界面

📊 仪表盘

🔗 知识图谱

Chat

Dashboard

Graph

Related MCP server: elephantasm-mcp

🧠 核心能力：记忆系统

存的是结构，不是文本

大多数记忆系统把对话原文直接存起来，召回时靠关键词硬匹配。CogniMem 不同——它把每句话实时拆解为 SPO 三元组（主体-谓词-客体），构建可推理的知识网络：

你说的话

提取的结构

"帮我看看上次那个咖啡店几点开门来着"

(我, 问过, 咖啡店营业时间)

"哦对了，我不喝含糖的"

(我, 不喜欢, 含糖饮料)

"发我邮箱吧，xxx@gmail.com"

(我, 邮箱, xxx@gmail.com)

"我每周三下午有空"

(我, 空闲时间, 周三下午)

三层提取，token 趋零

L1 规则提取（0 token）：正则模板覆盖 70% 日常表达
L2 缓存复用（0 token）：相同句式命中缓存，直接返回
L3 LLM 提取（少量 token）：以上都不行才调 Qwen3.7-Plus

三层矛盾检测

层级

方法

token

说明

L1

否定词 Jaccard 匹配

0

"喜欢" vs "不喜欢" → 矛盾

L2

Embedding 余弦相似度

0

"咖啡" vs "火锅" → 不同偏好

L3

LLM 语义裁决

少量

前两层无法确定时

中性谓词自动跳过 / 跨类别偏好不误报。

碎片归纳

同类零散事实自动汇总为高层概念：

(我, 喜欢, 冰美式) + (我, 喜欢, 热美式) → 抽象信念"用户对咖啡有偏好"

科学遗忘

艾宾浩斯遗忘曲线：half_life = 24h × (1 + √access_count) 常用记忆持久，不常用的自然衰减。每条记忆变化全程可追溯。

四层召回

Query → L0 缓存命中 → L1 Deny 过滤 → L2 Embedding 召回 → L3 图谱漫步

1️⃣ 🧠 更智能

12 个内置工具

工具

用途

web_search

联网搜索

web_fetch

抓取网页

read_file / write_file

文件读写

shell

执行命令

python_repl / execute_code

代码执行

memory_recall / memory_diagnose / memory_status / memory_forget

记忆操作

visit_url

URL 访问

目标驱动 Agent 引擎

接收请求 → 自动规划步骤 → 逐轮执行 → 工具失败自动纠错 → 完成后自反思。

交互式仪表盘

4 指标卡（总记忆/抽象概念/偏好/需关注）+ 系统健康（5 维度）+ 记忆分布图 + 增长趋势 + 关键洞察 + 记忆分类 + 活动日志。自动 30 秒刷新。

知识图谱

力导向图，8 语义类型 + 抽象节点 + 类型筛选 + 详情面板。

2️⃣ 💰 更省 Token

场景

处理

token

"你好""再见"

is_simple bypass → 直出

0

"我喜欢喝冰美式"

正则规则提取

0

5 分钟内同样问题

L0 缓存命中

0

"喜欢" vs "不喜欢"

Jaccard 词法对比

0

语义相似度对比

Embedding DB 内完成

0

复杂句式/归纳抽象

至此才调 Qwen3.7-Plus

少量

3️⃣ ⚡ 更省资源

  • 艾宾浩斯衰减：冷数据置信度自动下降，不占空间

  • 自动 consolidation：空闲 5 秒触发合并/归纳/衰减/解矛盾

  • 滑动窗口裁剪：上下文超 24K token 自动剪，不爆窗口

  • PostgreSQL + pgvector：启动 < 1 秒，不依赖外部缓存

  • 稳定性：DB 断连自恢复 / LLM 调用自动重试 3 次 / 全局异常捕获 / systemd 开机自启

4️⃣ 🚀 算法更创新

创新点

说明

矛盾驱动学习

检测到矛盾 → 主动提问确认 → 解决矛盾 → 认知升级

三元组结构推理

(?, 住在, 北京) ∩ (?, 职业, 程序员) → 组合查询

噪音过滤

curl/wget/ping 跳过

跨类别偏好

"咖啡" vs "火锅" 不误判，只有同类相反才触发矛盾

科学遗忘

访问频率越高 half_life 越长，分层遗忘而非一刀切

🏗 架构

浏览器 → FastAPI（15+ 端点）→ Agent 引擎（12 工具）
  → CogniMem 核心（提取/衰减/矛盾/归纳）
  → PostgreSQL + pgvector → Qwen3.7-Plus

🚀 快速开始

git clone https://github.com/yourusername/qwen-memoryagent.git
cd qwen-memoryagent
python3 -m venv .venv && source .venv/bin/activate
pip install -e ".[all]"
cp .env.template .env   # 填入 QWEN_API_KEY + COGNIMEM_DB
cd src && python3 -m uvicorn memory_agent.main:app --host 0.0.0.0 --port 8000

📡 API

方法

端点

用途

POST

/chat

带记忆对话（12 工具）

GET

/chat/stream

流式对话

POST

/remember

存记忆

POST

/recall

查记忆

GET

/health

5 维度健康检测

GET

/stats

记忆统计

POST

/consolidate

触发整合

POST

/confirm / /challenge

置信度操作

GET

/versions/{id}

版本历史

GET

/memory-graph

图谱数据

GET

/memories / /memories/search

记忆管理

🧪 测试

24+ 项全部通过

Agent 行为    9/9  ✅  搜索/早停/上下文分离/路由/文件/分析
核心引擎      6/6  ✅  存储/召回/矛盾/置信度/整合/清空
流式         2/2  ✅  SSE 基础/路由
噪音过滤      3/3  ✅  curl过滤/个人信息/搜索去重
边缘情况      3/3  ✅  参数校验/图谱错误/并发

✅ 成果

  • 健康分 100：5 维度全绿

  • 零 HTTP 500

  • 12 工具完整集成

  • 记忆零噪音

  • 知识图谱 8 类型 + 抽象节点

📄 License

MIT — Built for the Global AI Hackathon with QwenCloud.

🏆 CockroachDB × AWS Hackathon 参赛版

本分支用于 CockroachDB × AWS Hackathon — Build with Agentic Memory（2026-08-19 截止）。

CockroachDB 适配（v0.30-crdb）

组件

说明

src/cognimem/schema.crdb.sql

CockroachDB 版 DDL：8 表 + VECTOR(384) + USING hnsw (embedding vector_cosine_ops)

src/cognimem/core/db.py

环境变量切换：COGNIMEM_DB 指向集群，COGNIMEM_SCHEMA=schema.crdb.sql 自动启用 CockroachDB 模式

向量检索

CockroachDB 分支使用原生 embedding <=> %s::VECTOR 余弦算子，异常自动降级纯 Python 余弦

启动检查

识别 CockroachDB 模式：✅ CockroachDB 原生 VECTOR + C-SPANN 向量索引

.mcp.json

注册两个 MCP Server：cognimem（13 个记忆工具）+ cockroachdb（30 个 SQL 工具）

环境切换

# CockroachDB 版（比赛）
COGNIMEM_DB=postgresql://user:pass@cluster.cockroachlabs.cloud:26257/defaultdb?sslmode=verify-full&sslrootcert=~/.postgresql/root.crt
COGNIMEM_SCHEMA=schema.crdb.sql

# 本地 PostgreSQL 版（原 Qwen 项目）
COGNIMEM_DB=postgresql://localhost/cognimem
COGNIMEM_SCHEMA=schema.pg.sql

验证结果（2026-08-01）

  • ✅ HTTP 引擎全链路：remember → CockroachDB 落库 → recall 语义召回

  • ✅ MCP 双链路：CogniMem MCP（记忆工具 13 个）+ CockroachDB MCP（SQL 工具 30 个）

  • ✅ 原生向量检索：<=> 余弦相似度召回语义相关记忆

  • ✅ 系统自学习：召回为空自动记录 lesson 记忆

This server cannot be installed

A
license - permissive license
-
quality - not tested
B
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • mcp

    Your memory, everywhere AI goes. Build knowledge once, access it via MCP anywhere.

  • memory

    Chinese-first brain-inspired memory MCP — hybrid recall, 7-layer user profile, workspace assembly.

  • XMemo

    User-owned memory for AI agents, Copilot, Claude, IDEs, CLIs, and chat apps over remote MCP.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/1421906110/cognimem'

If you have feedback or need assistance with the MCP directory API, please join our Discord server