v5.5.8 四层记忆架构 · 六路混合检索 · 端侧加密

让 AI Agent拥有 终身记忆

四层记忆架构知识图谱关联推理六路混合检索
端侧 AES-256-GCM 加密零云端依赖

立即开始 观看演示
4
记忆层级
15
功能模块
33
MCP 工具
379
测试用例
100%
本地加密
Quick Start

30 秒，接上终身记忆

一行 pip 安装，三行代码存取。本地运行，数据不上云，0.3 秒完成存储和检索。

1 安装 — git clone + pip install -e .
2 初始化 — 指定本地数据库路径，可选端侧加密
3 存取 — add() 写入，search() 语义召回
quickstart.py 
# 1. 安装
$ git clone https://github.com/opok-ops/MindForge.git
$ cd MindForge && pip install -e .

# 2. 三行代码接入
from MindForge import MindForge

m = MindForge(db_path="./data/memory.db", encrypted=False)
m.add("用户说喜欢猫")
result = m.search("用户喜欢什么")
print(result.chunks[0].content)  # 输出: 用户说喜欢猫

以上为 README 原文给出的 30 秒上手示例。README 原文承诺：本地运行，数据不上云，0.3 秒完成存储和检索。

bash — mindforge 
$ git clone https://github.com/opok-ops/MindForge.git
$ cd MindForge && pip install -e .
Successfully installed mindforge-5.5.8
$ python
>>> from MindForge import MindForge
>>> m = MindForge(db_path="./data/memory.db")
>>> m.add("用户说喜欢猫")
'a1f7c2e0-…'
>>> result = m.search("用户喜欢什么")
>>> print(result.chunks[0].content)
用户说喜欢猫
CLI 
$ MindForge add "用户偏好带类型提示的 Python 代码风格" \
    --category preferences --importance HIGH

$ MindForge search "coding preferences"

$ MindForge consolidate
Hybrid Search

六路混合检索，不留死角

单一向量检索会漏掉关键词精确匹配，纯全文检索又抓不住语义。MindForge 把六条通路的结果融合后再精排，让「用户喜欢什么」也能召回「用户说喜欢猫」。

查询输入
Query — 自然语言问句或关键词
LANE 01

向量召回

Embedding 语义相似度召回，捕捉「说法不同但意思相同」的记忆。

RECALL
LANE 02

FTS5 全文

SQLite FTS5 倒排索引，精确关键词命中，术语与专名不丢失。

RECALL
LANE 03

TF-IDF

IndexEngine 词频统计打分，补足短查询下的词权重信号。

RECALL
LANE 04

Fuzzy 模糊

编辑距离容错匹配，错别字与拼写变体照样召回。

RECALL
LANE 05

查询扩展

同义词、上位词、缩写还原与拼写纠错，先把问题「问全」。

EXPAND
LANE 06

Cross-Encoder 重排

多特征融合精排模型，对候选集做语义相关性二次打分。

RERANK

多路融合归并

六条通路各自产出候选集与分数，融合层统一归并去重，保留各路的优势结果，避免单一检索策略的盲区。

精排后的结果序列

Cross-Encoder 结合召回引擎的多因子评分，输出最终排序。

1用户说喜欢猫semantic
2上周提到在考虑养一只英短graph
3对猫毛过敏，需关注fts5
Recall Engine

召回不是相似度排序，是加权决策

Recall Engine 用多因子加权决定「哪条记忆此刻最该被想起」——覆盖得多不多、重不重要、常不常被访问、最近有没有用到。

多因子
Weighted Recall
覆盖率
查询词与记忆内容的匹配覆盖程度，是召回的主权重。
40%
重要度
ImportanceScorer 给出的记忆重要度，高价值记忆优先浮现。
20%
访问频次
被回忆的次数越多，说明这条记忆越"常驻"。
15%
时间衰减
按艾宾浩斯曲线随时间衰减，越久未唤起得分越低。
20%
置顶加成
被 pin() 的记忆获得额外加成，不占用上述权重配额。
+附加
score = 0.40·coverage + 0.20·importance + 0.15·access_freq + 0.20·time_decay + pin_bonus
Memory Lifecycle

四层记忆，会生长也会遗忘

模仿人类认知：信息先落在感官缓冲，被反复唤起的向上晋级，长期不用的自然衰减。遗忘不是缺陷，是让真正重要的记忆保持清晰的机制。

感官缓冲

Sensory Buffer

刚进入系统的原始输入，停留时间最短，未被强化即自然流失。

入口

短期记忆

Short-term

近期会话上下文，按 Ebbinghaus 曲线衰减，被反复访问则巩固升级。

衰减中

长期记忆

Long-term

通过巩固的持久记忆，进入知识图谱参与关联推理与多跳召回。

已巩固

核心记忆

Core

身份、偏好与不可动摇的事实，几乎不衰减，始终优先注入上下文。

常驻
Ebbinghaus 衰减 — 记忆强度随时间指数衰减，未唤起的逐渐淡出。
定期巩固 — 达标的短期记忆自动升级为长期记忆并接入知识图谱。
动态重评估 — ImportanceScorer 持续做重要度漂移分析，识别被低估/高估的记忆并给出重评估建议。

遗忘曲线示意

未强化的记忆随时间快速衰减；经过巩固与重评估的记忆，保留率被反复拉回高位。

100% 50% 0 T0 T1 T2 时间 → 巩固 / 重评估节点
未巩固的自然遗忘
经巩固与重评估

示意图，用于说明记忆生命周期的衰减与巩固机制，非实测数据。

Capabilities

15 个功能模块，一套记忆基础设施

从最底层的存取衰减，到人格画像、联邦共享与领域分析，MindForge 覆盖 Agent 记忆的完整生命周期。

Memory Engine 01

四层级生命周期，Ebbinghaus 衰减、定期巩固、动态重评估，记忆会自己长大。

生命周期衰减

Knowledge Graph 02

自动实体与关系提取，支持路径查找和关联推理召回，让 Agent 真正会"联想"。

实体抽取路径推理

Recall Engine 03

多因子加权评分：覆盖率 40% / 重要度 20% / 访问频次 15% / 时间衰减 20% + 置顶加成。

多因子Top-K

Importance Scoring 04

重要度漂移分析，识别被低估与高估的记忆，并给出动态重评估建议。

漂移分析重评估

Context Injection 05

Token 预算感知的上下文格式化，把该记的塞进 Prompt，不该记的别浪费额度。

Token 预算格式化

Emotion Tracking 06

按天情感分类、转换序列追踪与波动性评分，记住对话的情绪走向。

情感时间线波动性

Personality Engine 07

学习正式度、emoji 使用、详情层级与技术深度偏好，让回复对上用户的胃口。

偏好学习风格画像

Federated Memory 08

多 Agent 之间的 P2P 记忆共享，配合信任等级与访问策略控制谁能看到什么。

P2P信任等级

Privacy Engine 09

四级隔离 PUBLIC / INTERNAL / PRIVATE / STRICT，AES-256-GCM + PBKDF2-SHA256 十万次迭代派生密钥。

四级隔离AES-256

Short Drama Analytics 10

类型趋势、追剧粘性评分、节奏分析、角色关系与互动矩阵，一套垂直领域分析工具。

节奏分析互动矩阵

Intent Router 11

三层路由：规则正则 → 关键词加权 → LLM 兜底，覆盖 10+ 类业务意图。

三层路由意图分类

Conflict Detector 12

反义词对、属性值不一致、时间线冲突三类检测，并施加自动衰减策略。

冲突检测自动衰减

Skill Extractor 13

从记忆聚类中抽取槽位、步骤与触发词，沉淀成可复用的技能模板。

槽位抽取技能模板

Hybrid Search Enhanced 14

查询扩展 + Cross-Encoder 多特征融合重排，六路检索的最终形态。

查询扩展精排

Session Focus 15

滑动窗口主题聚类、焦点漂移检测与增强查询生成，让长对话不跑偏。

主题聚类漂移检测
Architecture

四层架构，层层解耦

从底层存储加密到上层认知演化，每一层都能被单独替换或扩展。

认知层

Cognitive Layer
PersonalityEngine KnowledgeGraph MemoryEvolution FederatedMemory AgentProfiling IntentRouter

功能层

Function Layer
RecallEngine Categorizer PrivacyEngine Integrator MultimodalMemory ImportanceScorer ConflictDetector SkillExtractor SessionFocus HybridSearch

核心层

Core Layer
StorageEngine (SQLite + FTS5) IndexEngine (TF-IDF) EncryptionEngine (AES-256-GCM) QueryEngine

适配层

Adapter Layer
OpenClaw Claude Code Generic API CLI / SDK MCP Server (30+ tools)

存储层采用 SQLite + FTS5 并开启 WAL 模式，单文件即可携带全部记忆；加密、索引与查询引擎均可独立替换为自定义实现。

Security & Privacy

数据不出本机，也分三六九等

不是所有记忆都该被同等对待。四级隔离让 Agent 在共享与保密之间有明确边界，端侧加密保证磁盘上的数据本身就是密文。

PUBLIC
可自由共享给任意节点与 Agent
公开
INTERNAL
组内共享，受信任等级与访问策略约束
内部
PRIVATE
仅本 Agent 可见，默认不参与联邦共享
私有
STRICT
最高隔离级别，禁止外发与跨会话扩散
严格

加密与密钥

AES-256-GCM 认证加密
对称加密 + 完整性校验，密文被篡改会在解密时直接失败。
PBKDF2-SHA256 · 100,000 次迭代
由用户口令派生密钥，十萬量级迭代显著抬高离线暴力破解成本。
fail-closed 加密策略
已移除 HMAC-XOR 降级路径：cryptography 不可用时直接拒绝加密，而不是悄悄降级。
SQL 注入防护100% 参数化查询
路径遍历防护_safe_path() 校验
Unicode 控制字符过滤防止不可见字符注入
DoS 防护行数上限 / JSON 深度 32 层 / 10MB 限制
Integration

接入你已有的 Agent 工作流

无论你用的是 Agent 框架、编辑器插件还是自己的服务，MindForge 都留了口子。

OpenClaw

面向 OpenClaw 生态的原生适配

ADAPTER

Claude Code

命令行编码助手的记忆后端

ADAPTER

Generic REST API

CRUD / search / stats 标准端点

HTTP

CLI / SDK

Python SDK 与命令行工具，含 Shell 补全

PYTHON

MCP Server

Model Context Protocol，暴露 30+ 个工具

30+ TOOLS
sentence-transformers（默认 all-MiniLM-L6-v2） OpenAI Embedding API Ollama 自定义 HTTP 端点

项目维护 370+ 个测试用例，覆盖存储、检索、加密、联邦与适配层；嵌入后端可按需切换，也支持 --no-embedding 完全关闭向量检索。

Comparison

能力定性对比

只比较"有没有"这一维度，不涉及任何性能或速度指标。

MindForge 与其他记忆方案的能力有无定性对比
能力 MindForge本项目 mem0开源记忆层 Zep记忆服务 LangChain Memory框架内置
四层记忆生命周期（含衰减与巩固） 支持 部分 部分 无
知识图谱与关联推理 支持 支持 支持 无
六路混合检索（向量 + FTS5 + TF-IDF + Fuzzy + 扩展 + 精排） 支持 部分 部分 部分
库内置端侧 AES-256-GCM 加密 支持 无 无 无
四级隐私隔离（PUBLIC → STRICT） 支持 部分 部分 无
联邦多 Agent 记忆共享 支持 无 部分 无
人格 / 情感画像 支持 无 部分 无
MCP Server 工具集 33 个 部分 部分 无
纯本地零云端依赖运行 支持 部分 无 支持
垂直领域分析（如短剧分析） 支持 无 无 无

上表为定性对比，仅表示能力有无（支持 / 部分支持 / 无），不代表任何性能、速度或质量优劣。信息依据各项目公开文档整理，可能随版本演进变化，请以各自官方仓库为准；对比对象均为优秀的开源项目，此处仅用于能力定位参考。

Changelog

每次迭代，都在进化

从 v5.3.3 到 v5.5.8，功能扩展、安全加固与 Bug 修复的完整轨迹。

v5.5.8 2026-09-01 最新

记忆版本对比 · MCP 参数校验 · Bug 修复

  • 记忆版本对比：memory_diff(a, b) 输出内容 unified diff 及分类/标签/重要度差异，同时接入 API / CLI / MCP
  • MCP 参数校验：30+ 个工具 handler 统一校验必需参数，返回明确错误而非 KeyError 崩溃
  • P0 修复：export_agent_memories() 的 __version__ NameError
  • P1 修复：add() 中 falsy 枚举值（如 PrivacyLevel.NONE）被默认值覆盖
  • P1 修复：cmd_list 筛选时显示全局总数而非筛选结果数
  • P2 修复：REST API / 加密引擎 / MCP 入参类型校验，过期 docstring 版本号同步
v5.5.7 2026-08-31 安全

安全加固与稳定性

  • 加密 fail-closed：移除 HMAC-XOR 降级路径，cryptography 不可用时拒绝加密
  • WAL 网络文件系统降级：自动检测 fuseblk / fuse.*，降级为 DELETE 模式避免 SIGBUS 崩溃
  • Webhook 签名一致性：签名计算与超时策略统一
  • 并发限制：REST API 增加并发请求上限，防止资源耗尽
  • 修复：--json 模式密码错误输出合法 JSON、4xx 日志记录、WAL 连接超时
v5.5.6 2026-08-26 功能

记忆置顶与批量操作

  • 记忆置顶：pin() / unpin() 完整生命周期，置顶项在 list() 中优先返回
  • 批量获取：按 ID 列表一次性取出多条记忆
  • 时间线视图：按时间轴聚合展示记忆演进
  • 搜索建议：基于历史查询的补全推荐
  • 批量标签操作：batch_add_tags / batch_remove_tags
v5.5.5 2026-08-26 功能

智能导入去重 + REST API + 多后端嵌入适配器

  • 智能导入去重：import-json/import-csv 时自动检测重复（语义相似度 > 阈值则跳过）
  • REST API：serve --api 暴露核心 CRUD + search + stats 端点
  • Embedding 多后端：支持 sentence-transformers / OpenAI / Ollama / 自定义 HTTP
  • 记忆健康仪表盘：health --dashboard 输出增长曲线/分类分布/衰减预警
  • 增量 Embedding：rebuild-embeddings 默认增量模式，大规模记忆库体感明显
  • 自动归档：感官/短期记忆到期归档（非删除），支持恢复
  • CLI Shell 补全：--install-completion bash/zsh/fish
  • Obsidian 导出：export-obsidian 生成 Vault 格式 + 双向链接
  • Bug 修复：cosine_similarity 降级模式 + 旧项目名 URL 残留 + importance 大小写 + SQLite 跨线程（REST API）+ CLI dispatch 悬空引用 + 补全安装
v5.4.5 2026-08-10 检索

向量检索能力（六路融合搜索）

  • 新增 EmbeddingEngine 嵌入引擎（sentence-transformers，CPU 本地推理）
  • 两阶段搜索：向量召回 → 多路融合 → 精排
  • 五路融合：向量 + FTS5 + TF-IDF + 查询扩展 + Cross-Encoder
  • --no-embedding 开关 + rebuild-embeddings 命令
  • MCP 新增 rebuild_embeddings / embedding_status 工具
  • Bug 修复：cleanup_branches SQL 优先级 + federated.py 裸 import
v5.4.4 2026-08-10 安全

7 项安全审计修复

  • accept_incoming 异常捕获收窄 + 信任阈值统一
  • check_access operation="*" 返回 deny
  • incoming_snapshot 只存摘要 + hash（防 DB 膨胀）
  • 新增 cleanup_branches 方法 + _safe_path 修复
v5.4.3 2026-08-06 联邦

联邦记忆细粒度 ACL · 共享记忆冲突解决

  • fed-acl-* 细粒度访问控制（主体×资源×操作，默认拒绝 + 优先级 + 信任阈值 + 过期）
  • share-conflict-* 共享冲突检测与解决（lww / keep_both / manual + 态势统计）
  • 修复 share_memory 信任过滤失效（低信任/未注册节点混入 shared_with）
  • accept_incoming 自动检测共享冲突并按策略处置
  • MCP 工具 21 → 30，新增 9 个 v5.4.3 工具
v5.4.1 2026-08-06 功能

记忆反思 / 血缘溯源 / 强化候选 · 伏笔追踪 / 分集张力 / 角色戏份

  • memory-reflection 记忆反思（元认知报告 + 焦点漂移）
  • memory-lineage 记忆血缘溯源（版本 + 链接 + 审计时间线）
  • memory-reinforce 记忆强化候选（高价值衰减识别）
  • drama-plot-thread 剧情伏笔线索追踪（回收率分析）
  • drama-episode-curve 分集张力曲线（高潮集 + 形态分类）
  • drama-screen-time 角色戏份平衡（基尼系数 + 结构判定）
  • 安全：内容长度校验统一（堵住 update / batch_add 超长绕过）
v5.3.7 2026-08-03 功能

记忆重要度 / 上下文注入 / 情感追踪 · 类型趋势 / 追剧粘性 / 角色关系

  • memory-importance 记忆重要度分析（漂移分析 + 低估/高估识别）
  • memory-context 上下文记忆注入（token 预算感知 + 格式化）
  • agent-emotion Agent 情感追踪（情感时间线 + 波动性评分）
  • drama-genre-trend 短剧类型趋势分析（rising / declining / stable）
  • drama-binge-score 追剧粘性评分（多因子加权评级）
  • char-relationship 角色关系深度分析（六型分类 + 情感弧线）
  • 安全：_row_to_entry 防御性 JSON + Unicode 过滤 + 行数上限
v5.3.6 2026-08-02 功能

记忆关联推理 · 智能召回 · 节奏 / 互动分析

  • memory-link 记忆关联推理（关键词 + 标签 + 时间三维评分）
  • memory-recall 智能记忆召回（多因子综合评分 Top-K）
  • drama-pacing 剧集节奏分析（拖沓/密集段 + 健康度）
  • char-interaction 角色互动矩阵（共现 + 交换 + 冲突）
  • 安全：参数化 SQL + Unicode 过滤 + 行数上限
v5.3.5 2026-08-02 功能

Agent 记忆增强 · AI 短剧增强 · 深度安全加固

  • memory-cluster 记忆主题聚类（Jaccard 距离算法）
  • agent-insight Agent 行为洞察（周趋势 + 标签偏好）
  • drama-summary 短剧剧情摘要（关键场景融合）
  • scene-tension 场景张力分析（高潮段识别 + ASCII 曲线）
  • 安全加固：JSON 深度限制、SQL 行数上限、Windows 路径绕过防护
v5.3.4 2026-08-02 功能

Agent 情感分析 · 记忆衰减 · 短剧对比 · 角色弧线

  • agent-sentiment / memory-decay
  • drama-compare / char-arc
  • 安全加固：参数化 SQL、Unicode 控制字符过滤
v5.3.3 2026-08-01 功能

Agent 时间线 · 热力图 · 追剧统计 · 角色关系网络

现在就给你的 Agent
装上 终身记忆

一行 pip 安装，零配置启动，100% 本地运行。

install 
$ git clone https://github.com/opok-ops/MindForge.git && cd MindForge && pip install -e .
克隆源码 观看交互演示 查看更新日志