Skip to main content
Glama

🧠 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

Maintenance

ActivitySlowing
ResponsivenessNo issues

Related MCP Connectors

Related MCP Servers