为 AI Agent 提供永久记忆
每一个新的 AI 会话都从零开始。
你会丢失昨天的研究成果，会丢失上周的分析，会丢失上个月犯过的错误。大多数记忆解决方案将你的数据锁定在特定的 Agent 上。如果你切换了 Agent，就会丢失所有内容。
Knowledge-and-Memory-Management v0.0.2 (KMM) 解决了这个问题。它作为一个外部记忆层运行，不会触及你的 Agent 核心代码。
KMM 通过以下三个步骤工作：
- 知识收集
- 结构化存储
- 跨会话检索
系统从四个来源收集数据：
- Web：使用六种引擎绕过保护并抓取网站。
- Video：使用八种工具从 YouTube 或 TikTok 提取数据。它使用 Whisper 进行语音识别，并使用 OCR 进行屏幕文本识别。
- Articles：从社交媒体和 RSS 订阅源中提取。
- Documents：通过 OCR 扫描 PDF 和图像。
系统将原始数据转化为资产。它获取原始材料，利用 LLM 提取关键点，将其写入 Markdown 笔记，并保存到知识图谱中。
你可以同时跨不同领域进行搜索。系统会搜索本地笔记、数据库、语义记忆和知识图谱。它使用一种算法来合并这些结果。如果一个来源失效，其他来源会接管。
该设置适合以下场景：
- 你使用多个 Agent，例如 Hermes、Codex 或 Claude Code。
- 你需要在不同的会话之间复用知识。
- 你想要一个通过单个环境变量即可运行的灵活系统。
权衡之处在于复杂性。你需要 PostgreSQL 16、Hindsight 和 gbrain 才能运行它。这比简单的文件部署更难。然而，通过三层记忆机制，你可以获得更高的检索质量。
对于生产环境，请运行维护脚本以实现归档和索引的自动化。安装后，使用 sidecar 检查脚本来验证你的设置。
可选学习社区：https://t.me/GyaanSetuAi