Memory Indexer：为 LLM 提供基于认知科学的三轴记忆系统

iyulab/memory-indexer · .NET SDK and MCP server implementing a cognitive science-based 3-axis memory system (type x scope x tier) for LLM context management beyond finite context windows.

GitHub原文发布未知首次收录 2026-09-30上架 2026-09-30 09:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Memory Indexer 是一个 .NET SDK 与 MCP 服务器，实现以认知科学为基础的「类型 × 范围 × 层级」三轴记忆架构，用于突破 LLM 有限上下文窗口的限制。它提供通用记忆原语，可自动分类与存放记忆、智能召回上下文，并通过缓冲区、短期、长期、归档四层分级与晋升流水线管理信息。项目提供 MCP 服务器（支持 stdio 与 Streamable HTTP）以及可作为 SDK 集成的记忆服务，支持内存或 SQLite 存储，并允许自定义 IMemoryStore 后端。

# LLM # MCP # dotnet # memory-management # context-window

核心能力与快速开始

★ 1 · C#

能做什么: 实现三轴记忆模型：类型（情景、语义、程序、事实、反思）× 范围（回合、主题、会话、用户）× 层级（缓冲区、短期、长期、归档）。提供自动分类与存放（store/remember）、智能召回（recall）、记忆晋升流水线（缓冲区→短期→长期→归档）、冲突解决、自适应检索与图遍历等能力。提供 MCP 服务器（stdio 与 Streamable HTTP 模式，含 REST API、Swagger、健康端点）和 .NET SDK（InMemory 与 SQLite 存储，可自定义 IMemoryStore 后端）。附带上下文预算 API、四层记忆可视化、会话隔离与跨会话用户事实等特性，并包含 MemoryChatApp 与 Twenty Questions Game 两个示例。
适用场景: 为 LLM 应用提供跨会话的长期记忆与上下文管理，替代摘要、滑动窗口、全量历史或 RAG 等上下文处理方式；作为 MCP 服务器接入任意 LLM 客户端（如 Claude Desktop）；作为 .NET SDK 集成到聊天或 Agent 应用中，实现 token 预算感知的上下文构建；通过示例演示仅依赖记忆召回进行多轮策略（如 AI 对 AI 的二十问游戏）。
项目形态: 开发框架
部署方式: MCP 服务器需从源码构建（项目未发布打包 CLI 工具），使用 dotnet publish 指定运行时标识符自包含发布；HTTP 模式以 memory-indexer --http [--port 3001] 启动，绑定 localhost 且无认证，不应暴露在共享主机上。
主要依赖: .NET 10.0；SDK 使用需在注册前提供 IEmbeddingService / ITextCompletionService（生产配置下必需，否则启动失败）；Embedding 维度需与所用嵌入模型匹配（示例为 1536）。
使用限制: 未发布打包 CLI 工具，MCP 服务器需自行构建。开发环境默认使用 Mock 嵌入/补全提供者，返回确定性但非语义的占位结果，真实搜索相关性需自行注册服务。HTTP 模式无认证，仅绑定 localhost。缓冲区层级需代码主动调用 IBuffer.EnqueueAsync 才有数据，默认不会写入。基准数据基于内存存储与 Mock 嵌入。部署的 API 成本与具体硬件条件未说明。
许可证: MIT
最近推送: 2026-09-30 02:44

官方入门项目文档核对 README 依据 ↗

资料检查：2026-09-30 07:00 · 卡片整理：2026-09-30 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为 .NET SDK 或 MCP 服务器集成到 LLM 应用中，为对话或 Agent 提供跨会话记忆管理：通过 RememberAsync 存储信息、RecallAsync 智能召回上下文，突破有限上下文窗口限制，并支持内存或 SQLite 存储及自定义 IMemoryStore 后端。

查看内容依据

Memory Indexer 是一个 .NET SDK 与 MCP 服务器，实现以认知科学为基础的「类型 × 范围 × 层级」三轴记忆架构，用于突破 LLM 有限上下文窗口的限制。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Flashmind：Rust 编写的 AI Agent 开发框架

Flashmind 是一个用 Rust 构建 AI Agent 应用的框架，提供流式 LLM 供应商接入、70+ 内置工具、向量记忆、多智能体编排与 MCP 支持。它通过统一的异步 API 暴露能力，内置 Ollama、OpenRouter、Anthropic、OpenAI（兼容 vLLM/LiteLLM）四类供应商，并支持自定义工具、自定义供应商、混合检索记忆与上下文自动压缩；同时提供 Jev CLI 与 OpenRouter CLI 等命令行入口。

iron-prow：面向 .NET 的 LLM 安全推理网关，统一 provider 选择、防护与容错

iron-prow 是一个面向 .NET 的安全推理网关，以标准 Microsoft.Extensions.AI IChatClient 形式提供。它负责在多个 LLM provider（frontier 与局域网本地部署）之间进行选择与优先级排序，支持失败重试、fallback 与 provider 健康记忆（cooldown 后降级），并通过 FluxGuard 提供输入输出 guardrail（默认 fail-closed）。同时包含 IronProw.LMSupply 本地推理安全包装（readiness gate、model-ID preflight、输出长度限制、reasoning 控制），还支持多租户 per-tenant provider 解析与重复退化输出停止等可选能力。

FluxImprover：面向 RAG 数据管道的 .NET 文档块增强与质量评估库

FluxImprover 是一个 .NET 库，作为 RAG 流程索引前的质量保障与增值层。它借助 LLM 对文档块进行摘要与关键词增强，提供带自我反思与评审验证的三阶段块过滤、查询预处理（规范化、同义词扩展、意图分类）、Golden QA 数据集生成、忠实度/相关性/可回答性质量评估，以及上下文后续问题建议。项目通过 ITextGenerationService 抽象与任意 LLM 解耦，内置 OpenAI 兼容接口与 LMSupply 本地模型提供程序，支持多语言文档处理。

WeKnora：将文档转化为可查询 RAG、自主推理 Agent 与自维护 Wiki 的开源 LLM 知识平台

WeKnora 是腾讯开源、基于 LLM 的知识框架，面向企业级文档理解、语义检索与自主推理。以三大能力为核心：RAG 快速问答、可自主编排检索与 MCP 工具及沙箱执行的 ReAct Agent，以及将原始文档提炼为自维护互链 Markdown 知识库并带交互式知识图谱的 Wiki 模式。支持多源知识接入与同步（飞书 Wiki / 飞书 Drive / GitLab / 腾讯 IMA / Notion / 语雀 / 钉钉文档 / RSS 等）与 10 余种文档格式解析，可对接 20 余种 LLM 提供商（含 LiteLLM），提供多工作区 RBAC、可切换的向量库与存储后端、Langfuse 可观测性，以及完全可自托管的模块化架构。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。