Agent 与自动化AI 资源

HyperMnesia：为 AI 编程代理提供自托管长期记忆

Recluse/HyperMnesia · Self-hosted long-term memory for AI coding agents: Postgres+pgvector doc-RAG (component/constraint map + hybrid RRF + cross-encoder rerank) and bi-temporal personal memory. MCP-native, local-model friendly.

GitHub原文发布未知首次收录 2026-10-31上架 2026-11-04 07:06

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

HyperMnesia 是一个基于 Postgres + pgvector 的自托管长期记忆存储，面向 Claude Code 等 MCP 客户端。它把仓库文档经过分块、嵌入和混合检索（向量 + 全文检索的 RRF 融合，可选交叉编码器重排）做成可搜索的 doc-RAG，并通过手写的组件-约束映射把文件路径解析为适用的 must 规则，在编辑前由 Claude Code hook 注入；同时维护双时态、按视角区分、带证据溯源的个人记忆，可从会话记录中提取事实，支持召回注入、定时整合和经人工审核的派生记忆。项目通过 MCP 工具和 Claude Code hooks 两条路径接入，提供 `hm` 命令行、诊断工具和 Docker Compose 部署方式。

# MCP # Claude Code # pgvector # RAG # 长期记忆

核心能力与快速开始

★ 15 · Python

能做什么: 文档 RAG：按标题切分 Markdown，使用 bge-m3 嵌入（Ollama 或 TEI），结合向量检索与全文检索做 RRF 融合，可选 bge-reranker-v2-m3 交叉编码器重排。组件-约束映射：根据文件路径确定所属组件，在编辑前注入 must 规则及一跳依赖中的约束。个人记忆：双时态记录、用取代而不是覆盖的方式更新、按视角区分、证据构成无环溯源图，支持带上下界的召回深度和基于证据的问答（无法溯源时弃答）。派生记忆经人工审核。MCP 服务器暴露项目地图、约束、文档搜索、记忆和状态等工具；Claude Code hooks 负责自动注入与会话捕获。提供 `hm` 命令行工具（init、migrate、ingest、doctor 等）及诊断检查。
适用场景: 适合使用 Claude Code 或其他 MCP 客户端的开发者，在跨会话的编码任务中保留项目规则、架构约束、个人偏好和历史决策；在编辑文件前自动获得该文件适用的不变量，避免重复先说明背景再改代码；把仓库文档变成可检索知识库，按需召回而不是整份塞进上下文；与 LSP 符号工具（如 Serena）配合，分别回答代码结构问题和文档与记忆问题。
项目形态: 可直接使用的工具
部署方式: 自托管；提供单机 Docker Compose 与 Kubernetes 部署说明，依赖 Postgres + pgvector，可配 Ollama 或 TEI 本地模型；具体部署步骤与资源要求未在摘录中完整说明。
主要依赖: Python 与 Rust 组件；Postgres + pgvector；嵌入与重排模型（bge-m3、bge-reranker-v2-m3 经 Ollama 或 TEI）；MCP 客户端（如 Claude Code）。硬件规格、模型大小与运行成本未说明。
使用限制: 不索引代码符号，代码结构问题需配合语言服务器；自动注入与会话捕获依赖 Claude Code hooks，其他 MCP 客户端只能按需调用工具；手工维护的组件映射会随代码变化而过期，项目提供新鲜度检查但不自动修复；文档语料对应用登录共享可写；重排效果的评测仅基于单个私有语料，非公开基准；派生记忆需人工审核；成本与限制未说明。
许可证: MIT
最近推送: 2026-10-31 06:51

核对 README 依据 ↗

资料检查：2026-10-31 07:00 · 卡片整理：2026-11-04 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

相似资源

Fortémi：自托管 AI 知识库与混合检索检索增强平台

Fortémi 是一个面向 AI 应用的自托管智能数据库，基于 Rust 与 PostgreSQL 构建。它在统一的规范化 schema 之上集成了 BM25 全文检索、稠密向量检索与 RRF 融合的混合语义搜索，并提供知识图谱、MCP 服务器（44 个 Agent 工具）、多模态数据摄取（图像视觉、音频转写与说话人分离、视频场景分析、3D 模型渲染、邮件与表格解析等 13 类适配器）、131 种文档类型自动识别，以及 Ollama、OpenAI、OpenRouter、llama.cpp 多provider 推理切换。适用于知识管理、检索增强生成（RAG）、智能体记忆和团队文档等场景，支持从纯 CPU 到 GPU 的部署形态。

Alek-Core：面向 Slack/Telegram 的个人多智能体外脑与长期记忆系统

Alek-Core 是一个以 Python 实现、部署于 GCP 的个人 AI 外脑系统，通过 Slack 和 Telegram 与用户交互。它自动从对话中抽取事实并写入长期 RAG 记忆，结合多向量检索与 RRF 重排来丰富后续回答；内置 Router/Smart 协调的多智能体网络，支持 Claude、Gemini、OpenAI、Grok 等可切换模型，并提供语音伴侣相关内容（材料仅提及“realtime voice companion”但无细节）、Gmail 邮件索引与每日摘要、任务提醒、远程 MCP 服务等能力。项目采用六边形架构并配有大量测试与 CI 约束。

ChatVia.ai：基于自有知识库的自托管 AI 聊天 Agent 平台

ChatVia.ai 是一个自托管的 AI 聊天 Agent 平台，让 Agent 基于自有知识库回答。它在 PostgreSQL 内做向量与关键词的混合 RAG 检索，支持 MCP 服务器与自定义工具、内容护栏与人工接管，并将 Agent 发布到托管聊天页、网站组件、多个即时通讯渠道或 REST API。项目可选用 Docker 或 Ubuntu 安装，并支持前沿模型与开放权重模型。

ai-tutorial：AgentScope Java 中文教程书架，覆盖 Agent、MCP、RAGFlow 与 CopilotKit 的入门到进阶

这是一个面向团队教程书架的开源仓库，包含多本“从入门到进阶”的中文教程书，每本自带书稿、图片和动手 Demo。已发布 AgentScope Java 2.0（7 篇 44 章，从第一个 Agent 到生产级 Agent 平台）、MCP（4 篇 12 章，跨框架工具接入协议）、RAGFlow（4 篇 13 章，从搭建知识库到生产级检索调优）、CopilotKit（4 篇 8 章，在 React 应用中接入 AI Agent），Langfuse 书还在规划中。仓库还提供按角色（开发、测试、运维、产品、运营）划分的学习路线，以及站点和单书 PDF 的构建说明，可用于团队学习 Agent 开发、RAG 知识库、前端 AI 集成与工具协议。

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。