Agent Skills
返回列表
Mnemosyne 本地AI记忆系统

Mnemosyne 本地AI记忆系统

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_663a53c6/mnemosyne-memory。

技能介绍

问题背景

给 AI Agent 增加长期记忆时，常见痛点是上下文成本高、关键词检索弱、记录不可审计，以及可选向量组件缺失后服务不可用。Mnemosyne 把记忆存储做成本地优先的纯 Python 标准库能力，减少强制依赖与云端锁定，并在有限 Token 预算内只召回高价值内容。

工作方式与能力边界

核心引擎围绕 retain 写入、recall 召回、graph-query 图谱查询和 verify-integrity 审计展开。记忆被组织为热、温、冷三层，低价值记录进入冷层而不是直接删除；写入进入 SHA-256 哈希链账本，可检测并定位被篡改记录；实体关系用主谓宾三元组存储，支持路径扩展检索。中文场景使用二分词、FTS5 与同义词词典，写入前会做凭据、不可见 Unicode 与 HTML 注入检查。可选插件如 cryptography、numpy_vector、reranker 在依赖缺失时自动降级，不影响主流程。注意：90%+ Token 节省是项目给出的可复现口径，不等于所有 LLM 端到端任务都会同比例降低；向量语义检索仍需 numpy 和可选模型，不属于零依赖核心。

使用场景

  • 构建个人 Agent 助手，需要跨会话记住用户偏好、项目约定，避免每次重新说明。
  • 调试本地 SQLite 记忆数据时，需要按实体关系查询人物、项目与依赖，而不只是关键词匹配。
  • 审计被代理写入的客户记录，需要定位是否被篡改并导出完整记忆账本。
  • 在有限上下文窗口中召回相关记忆，使用 Token 预算控制减少无关内容进入 prompt。

适合人员

  • 做个人 Agent 原型的工程师，希望用零依赖 Python 模块给助手加长期记忆和图谱查询。
  • 负责 Agent 数据合规的后端工程师，需要本地 SQLite 存储、写入前脱敏和哈希链审计。
  • 维护多项目知识库的运维工程师，需要按热温冷层迁移低价值记录并保留可复核轨迹。
  • 集成 MCP 工具的 Agent 平台工程师，需要给宿主暴露保留、召回、图谱查询和审计接口。