MemoryGraph

Ihr Agent hat eine relevante Erinnerung gefunden. MemoryGraph sagt ihm, ob diese Erinnerung noch wahr ist.

MemoryGraph ist eine lokal-orientierte Evidenz- und Revisionsschicht für Überzeugungen von KI-Agenten. Sie bewahrt Quellbeobachtungen auf, stellt Behauptungen als temporaler Graph dar und erklärt, warum eine Behauptung aktuell, historisch oder umstritten ist.

MVP-Status

Der deterministische MVP läuft. Die maßgebliche Architektur beginnt bei 00-architecture-index.md; der implementierte Kern umfasst:

• Unveränderliche Quellbeobachtungen.

• Typisierte Entitätsknoten und atomare Claim-Kanten mit exakten Evidenzbereichen.

• Bi-temporale Aktualitäts- und Verlaufsabfragen für Überzeugungen.

• Explizite Bestätigung, Widerspruch und atomare Ersetzung.

• recall, history- und explain-Befehle.

• Harte Bank-Isolation und ein append-only-Protokoll der Mutationsereignisse.

• Einen provider-agnostischen Validator für Dream-Vorschläge mit Evidenz-, Wasserzeichen-, Claim-Versions-, Idempotenz-, Konfidenz-, Herausforderer- und Review-Gates.

• Dauerhafte Dream-Läufe, Tasks, Vorschläge, Review-Elemente, Leases, Ereignis-Wasserzeichen und atomare Proposal-Commits.

• Einen deterministischen Metadaten-Provider, der den vollständigen Dream-Zyklus durchläuft, ohne Quelldaten an ein externes Modell zu senden.

• MemoryRotBench-Fixtures, Basislinien, Retrieval-Bewertung und Engine-Integration.

• Hybrides FTS/Vektor-Recall mit lokaler Basislinie ohne Abhängigkeiten und austauschbarem Embedder.

• Quarantäne beim Retrieval für nicht vertrauenswürdige, anweisungsartige Inhalte.

• Crash-wiederherstellbare Dream-Worker mit Leases, Heartbeat-Verlängerung, Wiederholungen und replay-sicherem Fortsetzen.

• Einen OpenAI-kompatiblen Structured-Output-Provider, der nur Kandidaten vorschlagen kann.

• Einen STDIO-MCP-Server mit fünf Werkzeugen: recall, record, explain, correct und forget.

• Nutzerfreigestützte Codex-JSONL-Aufnahme und einen projektbezogenen Codex-Installer.

• Eine deterministische, Obsidian-kompatible Markdown-Übersichtsprojektion.

• Erstklassige prozedurale Episoden für begrenzte Wiederverwendung erfolgreicher und fehlgeschlagener Codierungsversuche.

• Reproduzierbare Benchmark-Adapter ohne Speicher, mit Markdown, BM25, Flachkontext und externen/Graphify-Providern.

• Plattformübergreifende CI, Paketprüfung und umsetzbare doctor-Diagnosen.

Die eigentliche Engine besteht derzeit alle zwölföffentlichen MemoryRotBench-Recall-Anfragen und alle sieben Produktions-Chaos-Verträge. Die Repository-Testsuite umfasst an diesem Kontrollpunkt 196 erfolgreiche Tests. In der ersten gefingerabdruckten öffentlichen Matrix bestehen die stärksten primitivernessen 7/12, während MemoryGraph 12/12 besteht.

Schnellstart

uv sync
uv run memorygraph init --database /tmp/memorygraph.db
uv run memorygraph doctor --database /tmp/memorygraph.db
uv run memorygraph bank create personal:founder --database /tmp/memorygraph.db
uv run memorygraph dogfood bootstrap --database /tmp/memorygraph.db
uv run memorygraph predicate define works_at \
  --bank personal:founder --cardinality one --volatility volatile \
  --database /tmp/memorygraph.db

Evidenz aufzeichnen und in einen Claim verwandeln:

OBSERVATION_ID=$(uv run memorygraph observe "Abrar works at Acme." \
  --bank personal:founder --source-key event:acme \
  --database /tmp/memorygraph.db)

CLAIM_ID=$(uv run memorygraph claim assert Abrar works_at Acme \
  --bank personal:founder --observation "$OBSERVATION_ID" \
  --database /tmp/memorygraph.db)

Die Python-API stellt außerdem confirm_claim, contradict_claim, supersede_claim, recall, history und explain für eingebettete Anwendungen bereit.

Zeichne einen Codierungsversuch auf, damit künftige Agenten eine erfolgreiche Strategie wiederverwenden—oder einen bekannten Fehlschlag vermeiden—können, ohne ihn als universell anwendbar darzustellen:

memorygraph record-attempt "Run migrations before starting the worker" \
  --bank project:my-app --source-key attempt:migrate-worker \
  --task "start durable worker" --outcome success \
  --applicability-json '{"database":"sqlite"}'

Den Dream-Zyklus ausführen

Der eingebettete Provider liest getypteKandidaten aus metadata.metadata_file, schlägt Graphänderungen vor, validiert Evidenz und zeitliche Vorbedingungen und committetthen berechtigte Kandidaten in einer Transaktion. Modell-Provider implementieren dasselbe kandidatenantwortprotokoll und erhalten nie einen direkten Datenbankschreibpfad.

PYTHONPATH=src:. uv run python examples/run_dream_cycle.py \
  --database /tmp/memorygraph-dream.db

uv run memorygraph dream status RUN_ID \
  --bank personal:founder --database /tmp/memorygraph-dream.db

uv run memorygraph dream reviews \
  --bank personal:founder --database /tmp/memorygraph-dream.db

uv run memorygraph dream rollback RUN_ID \
  --bank personal:founder --database /tmp/memorygraph-dream.db

For CLI-Eingabe übergibst du den Kandidatendatenumschlag mit observe --metadata-file FILE.json und führst dann memorygraph dream run --bank BANK aus. --mode dry_run validiert und persistiert Vorschläge, verbraucht aber nicht die Beobachtung und ändert keine Ansprüche.

Für durables Erleben, Warteschlange Arbeit einreihen und einen Worker separat ausführen:

uv run memorygraph dream queue \
  --bank personal:founder --database /tmp/memorygraph-dream.db

uv run memorygraph dream worker \
  --bank personal:founder --database /tmp/memorygraph-dream.db

Um einen OpenAI-kompatiblen Responses-Endpunkt zu verwenden, setze die konfigurierte Schlüsselvariable und übergib sowohl der Warteschlange als auch dem Worker ein Modell. Die Provider-Ausgabe wird als streng strukturierte Daten geparst und durchläuft weiterhin dieselben deterministischen Evidenz- und Commit-Gates.

export OPENAI_API_KEY=...
uv run memorygraph dream queue --bank personal:founder \
  --provider-model YOUR_MODEL --database /tmp/memorygraph-dream.db
uv run memorygraph dream worker --bank personal:founder \
  --provider-model YOUR_MODEL --database /tmp/memorygraph-dream.db

Codex verbinden

Paket installieren, Projektbank initialisieren und projektbezogene MCP-Konfiguration hinzufügen:

uv run memorygraph init
uv run memorygraph bank create project:my-app
uv run memorygraph install-codex --project .
uv run memorygraph probe-codex --project .

Der Installer erstellt oder repariert einen [mcp_servers.memorygraph]-Block in .codex/config.toml, zeigt auf das aktuelle Python-memorygraph.mcp-STDIO-Modul, und konfiguriert Codex so, dass Schreibvorgänge von einer expliziten Freigabe abhängen. Es ändert nicht die globale Codex-Konfiguration. Die fünf MCP-Operationen erfordern einen expliziten Bankbereich.

probe-codex validiert die Projektkonfiguration und testet einen echten MCP-Subprozess-Lebenszyklus. Verwende --project-database, wenn die Sonde statt temporärer Wegwerf-Datenbanken die konfigurierte Projektdatenbank treffen soll.

Das Importieren von Sitzungsinhalten ist optional. Jeder JSONL-Datensatz muss bank, session_id, turn_id enthalten. role, content und approved; nicht freigegebene Datensätze werden standardmäßig übersprungen:

memorygraph ingest-codex approved-session.jsonl

Dogfood-Alpha

Die offizielle Offline-Matrix mit sechs Armen ist folgende:

PYTHONPATH=src:. uv run python examples/run_dogfood_fixture_matrix.py

Für ein echtes Projekt zuerst den Betriebsvertrag bootstrappen:

uv run memorygraph dogfood bootstrap \
  --database .memorygraph/memory.db \
  --bank project:my-app \
  --workspace my-app

Die Fixture-Matrix führt diese Arme aus:

• no_memory

• markdown

• memorygraph_graph_only

• memorygraph_gated_dream

• memorygraph_always_dream

• graphify_compatible

Sie misst Task bestanden/nicht bestanden, Nützlichkeits-Recall, verbotene oder veraltete Informationen, wiederholte Fehler, Latenz, Token-Schätzungen, Tool-Calls, Wiederholungsversuche, geschätzte Kostenfelder und den Dream-Review-Aufwand. Ergebnisse werden in benchmarks/reports/dogfood-offline-mvp.json und im append-only Protokollbestand benchmarks/reports/dogfood-offline-mvp.jsonl geschrieben. Task bestanden/nicht bestanden folgt den Abfrageerwartungen; der Dream-Review-Backlog kann zusätzlich gleichzeitig sichtbar nur im Aufwand auftreten.

Aktueller Offline-Fixture-Wert am 2026-08-22:

• memorygraph_always_dream: 3/3

• memorygraph_graph_only: 1/3

• memorygraph_gated_dream: 1/3

• graphify_compatible: 1/3

• markdown: a 1/3, mit Verbotenen_Fragmenten im Abruf

graphify_compatible ist ein ProtokollAdapter, mit dem ein externer Retriever gegen diesel Judikatur Verträge von Manifeste, Zeitgrenzen und Bewertungs-Richtlinien antreten kann. Es ist keine Behauptung, dass dieses Repository bereits einen Vergleich mit live Graphify abgeschlossen hat.

Menschliche Überprüfung in Obsidian

Einen Markdown-Vault generieren, der aktuellen Claims, genaue Provenienz, Relationen und die Dream-Review-Warteschlange enthält:

memorygraph project-obsidian --bank project:my-app \
  --output .memorygraph/obsidian

Das Markdown ist Wegwerf- und Manifests-verwaltet. SQLite-Beobachtungen und Append-only-Ereignisse bleiben maßgeblich; Änderungen an generierten Notizen mutieren Erinnerungen nie.

Warum ein Graph?

Der Graph bietet Agenten komposierbare Struktur: Entitäten sind Knoten und Claims wie Abrar --arbeitet_bei--> Stripe sind typisierte Kanten. MemoryGraph behandelt eine Kante nicht als zeitlose Wahrheit. Jede Claim-Version trägt gültige Zeit, Systemzeit, Lebenszyklus, Provenienz und exakte Quellenbelege. Genau das ist der Unterschied zwischen einem nützlichen Erinnerungsgraphen und einem veralteten Faktencontainer.

Entwicklung

uv sync --extra dev
uv run pytest
uv run ruff check .
PYTHONPATH=src:. python examples/run_memoryrotbench_memorygraph.py
PYTHONPATH=src:. python examples/run_memoryrotbench_chaos_memorygraph.py
python examples/run_memoryrotbench_baseline_matrix.py
PYTHONPATH=src:. uv run python examples/run_dogfood_fixture_matrix.py

Erwartete Ergebnisse: 12/12 Fälle für öffentliches Retrieval und 7/7 Fälle für Produktions-Chaosklassen. Die Matrix hängt unveränderliche, mit Corpus- und Gutachter-Fingerprint versehene Datensätze an benchmarks/reports/public-baseline-matrix.jsonl an. Verwende --graphify-command, um einen externenGraphify-Adapter gegen genau denselben sichtbaren Korpus und denselben Bewertungsvertrag auszuführen.

Nächste Produktebene

Das nächste Gate ist immer noch echtes GitHub-Echtheits-omit-Echtwelt-Langzeittest: Live-modellgestützte Dogfood-Sitzungen, echte Graphify-Vergleiche und die Verwendung durch Design-Partner an realer Codierarbeit. Rückstände von vollständigen Löschungen werden geprüft und berichtet; etwaige Identitätsrückstände, die nicht sicher gelöscht werden können, ohne die Geschichte umzuschreiben, werden offengelegt statt versteckt. Der Dream-Validator bleibt die Sicherheitsbarriere in der Mitte, die jeder Provider und jeder Worker passieren muss.

Lizenziert unter Apache-2.0.