YantrikDB：面向 AI Agent 的认知记忆引擎，支持时间衰减与矛盾检测

yantrikos/yantrikdb · Cognitive memory engine for AI agents — temporal decay, contradiction detection, autonomous consolidation, knowledge graph, ANN recall via HNSW. Embeddable Rust library with Python bindings; powers yantrikdb-server (HTTP gateway, MCP server, openraft cluster). Apache-2.0.

GitHub原文发布未知首次收录 2026-11-03上架 2026-11-03 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

YantrikDB 是一个用 Rust 实现、并提供 Python 绑定的嵌入式认知记忆引擎，用于为 AI Agent 持久化管理记忆。它结合 HNSW 向量索引、实体知识图谱、时间索引、随时间衰减的重要性分数和键值存储，提供 record/recall/relate/think 等接口，支持自主整合记忆、检测矛盾事实、按时间查询，并提供可选嵌入模型（自带模型或使用 sentence-transformers 等外部嵌入器）。项目还提供 MCP 集成方式，可与 Claude、Cursor 等 MCP 客户端配合使用；另有 yantrikdb-server 提供 HTTP 网关和 openraft 集群能力。

# 知识图谱 # HNSW # Agent 记忆 # 向量与混合搜索 # MCP 扩展

核心能力与快速开始

★ 72 · Rust

能做什么: 提供嵌入式单文件记忆存储；以 HNSW 向量索引做语义召回，叠加实体图扩展、时间索引与重要性衰减；支持 record、recall、relate、get_edges、think、correct、ingest_claim、attach_claims、reembed、integrity_check 等操作；通过 think() 执行记忆整合、冲突检测与模式挖掘；可切换或自带嵌入器，支持离线内置 64 维模型；提供 Python 包、Rust crate 和 MCP 服务三种使用形态。
适用场景: 适合需要跨会话保留上下文的 AI Agent，例如自动记住用户偏好、项目决策与截止时间，并在后续对话中按相关性召回；需要检测新事实与旧记忆矛盾冲突的场景；在密集运行笔记语料上做选择性召回、以降低上下文 token 消耗；按时间回溯事件或查询即将到期事项；需要知识图谱关联实体关系的记忆检索。
项目形态: 开发框架
部署方式: 引擎以嵌入式库形式运行，不依赖独立服务器进程；同时提供 yantrikdb-server 作为 HTTP 网关与多节点集群的封装，但 README 未给出完整的服务器部署步骤。
主要依赖: Python 侧可通过 pip install yantrikdb 使用；Rust 侧使用 yantrikdb crate。默认 256 维嵌入模型首次使用时下载约 28 MB 并缓存；离线环境回退到内置 64 维模型。Rust 默认构建不含下载特性，需显式开启 embedder-download 才会使用 256 维默认模型。知识图谱、时间、衰减等索引内置于引擎。
使用限制: 同一进程内不得用第二个 SQLite 库打开同一存储，否则可能静默损坏数据；引擎内置 SQLite，需通过引擎 API 或独立进程访问。存储的向量维度在创建时固定，切换模型需要重新嵌入。README 中关于 256 维与 64 维嵌入器的对比基于 12 个查询、5035 条生产记忆的评测，作者也承认样本较小且收益依赖语料类型。集群模式的部署细节未在摘录中说明，API 成本与硬件要求未说明。
许可证: Apache-2.0
最近推送: 2026-11-03 06:44

官方入门项目文档核对 README 依据 ↗

资料检查：2026-11-03 07:00 · 卡片整理：2026-11-03 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为可嵌入的认知记忆库，为 AI 编程 Agent 持久化管理跨会话记忆：通过 record/recall 存取工程决策与偏好，think() 整合记忆并检测矛盾事实，MCP 集成可配合 Claude、Cursor 等客户端使用。

查看内容依据

The agent auto-recalls context, auto-remembers decisions, and auto-detects contradictions — no prompting needed.

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

RustXNG：面向 AI Agent 的自托管元搜索与溯源引擎

RustXNG 是一个用 Rust 编写、基于 SearXNG 的自托管元搜索引擎，用于为 AI Agent 提供本地 Web 搜索与页面文本溯源能力。它聚合多个搜索源的结果，通过 JSON API 返回标题、URL 和摘要，并可按需抓取页面正文以控制送入模型的文本量；同时提供只读的 MCP 服务，暴露 search 与 read_page 工具，支持结果条数、域名过滤、引擎选择和时间范围等参数。项目提供发布二进制、Cargo、Docker 和源码等多种安装方式，可配置本地索引、Valkey/Redis 缓存及引擎健康监控。

DocSlurp：多格式文档解析、混合检索与带引用问答的 RAG 服务端

DocSlurp 可接收 PDF、Office 文件、EPUB、HTML、图片、音视频等文件，输出逐页 Markdown、页面图像、分块以及按 JSON Schema 抽取的结构化字段。它提供带页码引用的混合检索与 RAG 上下文、可配置的 /v1/chat 及 OpenAI 兼容聊天端点（支持流式），并可通过 REST、SDK、CLI、MCP 以及兼容 Algolia、Meilisearch、Typesense、Pagefind 的客户端接入。本仓库包含服务端（API 与 worker）、数据库迁移、CLI、SDK 和搜索集成；托管产品与 Web 面板另库开发。项目处于 pre-release 状态，API 与数据模型在 v1 前可能变动；服务端与 worker、CLI 采用 SSPL-1.0（三年后转为 Apache-2.0），SDK 等客户端包为 MIT，属于 source-available 而非 OSI 认可的开源。

exomem：将 Obsidian/Markdown 笔记库变成可检索的本地知识库并接入 MCP 客户端

exomem 是一个自托管的 MCP 服务器，把用户自有的 Obsidian/Markdown 笔记库变成可供 Codex、Claude Code、Cursor、CLI agent 及任意 MCP 客户端调用的本地知识库。它支持对 Markdown、PDF、Office 文档、图片、音频和视频进行本地提取与混合检索，并以带类型、分层的语料组织方式，将原始来源、编译笔记、实体、证据和被取代的结论分开存放；同时提供审计与待复核队列。文件保持纯 Markdown、可编辑、可迁移，服务器只在自己创建的 Knowledge Base/ 目录下写入。项目支持关键词/BM25 与语义检索，并提供资源模式控制、Docker 镜像和远程 OAuth 部署路径。

AgentDetox：为 AI 编码代理的记忆与规则提供防篡改保护

AgentDetox 面向 AI 编码代理的记忆、指令、规则、技能与配置文件提供写入检查、篡改检测和恢复。它在写入前检查内容，拦截植入指令；在 shell 工具执行前后对比文件变化，记录改动来源；在会话开始时报告代理之外发生的可疑修改，并支持用 review、restore、blame 等命令审阅、恢复与追溯。项目当前为预览状态，Claude Code 支持较完整，Codex 与 Cursor 的 hook 为实验性，OpenClaw 仅支持篡改检测；检测本身不构成安全边界。

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。