Agent 与自动化AI 资源
mem20：面向可信 AI 系统的记忆基底与 Agent 运行时
bythewayz66-glitch/mem20 · Memory substrate and agent runtime for AI systems that have to be trusted — grounded facts and simulated hypotheses never mix, and every retrieval call reports index drift instead of hiding it.
ELI5：它是什么，解决什么问题
mem20 是一个面向需要可信性的 AI 系统的记忆基底与 Agent 运行时。它在存储层强制把真实观察得到的「接地」事实与假设、反事实等「模拟」内容分开，模拟记录必须凭证据才能提升为接地事实；支持关键词、向量语义、混合 RRF 与图多跳四种检索方式，并在每次检索时报告索引漂移等健康诊断。项目还包含认知推理与规划、想象与梦境引擎、Rust 实现的只追加加密账本以及 MCP 工具服务层。README 明确指出其召回质量不及 Mem0、Zep 等对照产品，优势在于召回的可信度而非精度，且语料规模很小。
核心能力与快速开始
★ 1 · Python
- 能做什么
- 提供接地与模拟两个互不混合的记忆分区，写入路径与索引层强制校验来源；提供 recall、语义、混合 RRF 加交叉编码器重排、图多跳四种检索模式，每次检索返回健康状态与陈旧指针计数等诊断信息；模拟记录需经预测验证或外部验证者背书才能提升为接地事实；包含推理、分层规划、反思与工作记忆等认知能力，规划受认识论否决约束；包含多模型评审的梦境引擎与想象工具；提供 Rust 编写的只追加 Merkle-DAG 签名账本；提供 270 个工具的 MCP 服务端。
- 适用场景
- 为跨会话的 AI Agent 提供持久记忆；需要严格区分已知事实与假设、并要求检索结果可审计的场景；需要图结构多跳查询的实体关联检索；为 Agent 提供推理、规划与反事实模拟能力；通过 MCP 协议把记忆与工具接入支持 MCP 的客户端。
- 项目形态
- 开发框架
- 部署方式
- 未说明
- 主要依赖
- 未说明；README 提及依赖 MiniLM 向量、FAISS 索引与交叉编码器重排，具体安装与硬件条件未说明
- 使用限制
- README 自述召回质量不及 Mem0、Zep 等产品，优势在于可信度而非精度；无双时间模型与时间图；SDK 仅支持 Python；基准语料仅 14 条事实与 13 条查询，仅可作为回归门禁，不可用于与竞品对比；交叉编码器重排显著增加延迟。
- 许可证
- MIT
- 最近推送
- 2026-10-30 14:20
资料检查：2026-10-31 07:00 · 卡片整理：2026-11-02 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。