尧图网站建设 
Mnemosyne Python SDK完全教程3行代码让任何AI Agent拥有持久记忆【免费下载链接】mnemosyneZero-cloud AI memory that works everywhere. SQLite-backed. One pure-Python dependency.项目地址: https://gitcode.com/gh_mirrors/mnemosyne5/mnemosyneMnemosyne 是一个零云端依赖、基于 SQLite 的 Python AI 记忆系统只需一条pip install和 3 行代码就能为你的 AI Agent 或 LLM 应用加上持久记忆。它没有 HTTP 服务、没有外部 API 密钥要求只有一个 SQLite 数据库文件全部数据都保存在你自己的机器上。本教程将带你从零安装到实际调用 Mnemosyne Python SDK快速掌握 AI Agent 记忆层的核心用法。为什么 AI Agent 需要持久记忆想象你每天都在和 AI 编程助手对话但每次会话结束它都忘了你偏好哪个框架、哪个架构约定、甚至你的名字。这就是金鱼记忆问题——当前大多数 LLM 应用只在单次会话内有效。Mnemosyne 的设计目标就是解决它零云端数据本地优先默认不离开你的机器零重型依赖一个 pip 包 一个 SQLite 文件无 Qdrant、无 PostgreSQL全平台通用通过 MCP 协议或 Python SDK接入 Cursor、Claude Code、Codex、OpenWebUI 或你自己的 Agent⚡混合检索向量相似度 全文关键词 重要度评分全部在 SQLite 内完成一键安装pip 安装步骤Mnemosyne 要求 Python 3.10安装只需一行pip install mnemosyne-memory如果你需要完整功能本地向量嵌入 本地 LLM 记忆整理可以安装全功能版pip install mnemosyne-memory[all]安装完成后用官方快速入门文档 docs/getting-started.md 验证环境即可。3行代码你的第一条记忆这是整个教程的核心——真正的 3 行代码就能完成写入记忆和回忆记忆from mnemosyne import remember, recall remember(用户偏好深色模式界面) results recall(用户偏好)就这样。第一行导入 API第二行写入一条记忆第三行按语义检索相关记忆。没有配置文件、没有服务器、没有 API Key——这就是 Mnemosyne Python SDK 的全部门槛。更完整的调用示例来自官方文档from mnemosyne import remember, recall # 存储事实可指定重要度与来源 remember(用户偏好深色模式界面, importance0.9, sourcepreference) # 全局记忆所有会话可见 remember(用户邮箱是 aliceexample.com, importance0.95, scopeglobal) # 语义检索返回最相关的前 3 条 results recall(界面偏好, top_k3) for r in results: print(r[content])这些模块级函数定义在 mnemosyne/core/memory.py 中是官方推荐的简洁调用方式想精细控制时再实例化Mnemosyne类即可。核心 API 速查表记忆生命周期管理除了remember和recallSDK 还提供了一组开箱即用的函数覆盖记忆的完整生命周期函数作用典型场景remember(content, ...)写入记忆支持重要度、作用域、过期时间记住用户偏好recall(query, top_k5)语义关键词混合检索回答用户问题前查记忆get_context(limit10)获取当前会话的近期上下文LLM 调用前自动注入get_stats()查看记忆库统计验证安装是否成功forget(memory_id)按 ID 删除指定记忆用户要求忘掉update(memory_id, ...)修改已有记忆的内容/重要度偏好变更全部公开 API 可在 mnemosyne/init.py 中查看官方 API 参考文档见 docs/api-reference.md。进阶给记忆加上重要性与有效期remember()的关键参数让记忆管理更接近人脑importance0~1重要度评分直接影响检索排序评分权重占 20%scopesession为会话级global为跨会话全局可见valid_until过期时间临时凭证、令牌类记忆到期自动失效例如存储一条会过期的临时令牌remember(临时令牌: abc123, importance0.8, valid_until2026-12-31)进阶按时间回忆与记忆库隔离recall()支持时间衰减权重让最近发生的事更容易被想起results recall(部署记录, temporal_weight0.5, temporal_halflife48.0)多 Agent 或多业务线场景下可以用**记忆库Memory Banks**做领域隔离工作记忆与个人记忆互不干扰from mnemosyne.core.banks import BankManager BankManager().create_bank(work)架构揭秘BEAM 三层记忆模型Mnemosyne 的核心是一个名为BEAM双层情景-关联记忆的三层架构模拟人类记忆的工作方式┌──────────────────────────────────────────────────┐ │ 任意 AI AgentMCP / SDK / 插件 │ └────────────────────┬─────────────────────────────┘ ┌────────────────────▼─────────────────────────────┐ │ Mnemosyne BEAM │ │ 工作记忆 ──▶ 情景记忆长期 三元组库时序KG │ │ │ │ │ SQLite 单文件sqlite-vec FTS5 │ └──────────────────────────────────────────────────┘工作记忆Working Memory热上下文自动在 LLM 调用前注入带 TTL 自动淘汰情景记忆Episodic Memory长期存储向量 FTS5 混合检索三元组库TripleStore时序知识图谱支持某事在某日生效这类版本链查询检索评分公式为50% 向量相似度 30% FTS5 关键词排名 20% 重要度并且全部计算都发生在 SQLite 内部。架构细节可阅读 docs/architecture.md。接入任何 AgentMCP 与 CLI 用法如果你不想直接写 PythonMnemosyne 自带 MCP 服务器Cursor、Claude Code、Codex、Windsurf 等所有 MCP 客户端只需一段配置即可接入各平台完整指南见 docs/integrations/README.md内含 cursor-mcp.md、claude-code-mcp.md 等单平台教程。命令行同样好用日常操作不离开终端mnemosyne store 用户喜欢深色模式 # 写入记忆 mnemosyne recall 偏好 # 检索记忆 mnemosyne stats # 查看统计 mnemosyne sleep # 运行记忆整理consolidationmnemosyne sleep会触发睡眠整理周期把碎片化的工作记忆压缩成摘要——这正是 SQLite 单文件也能做到亚毫秒级检索的秘密之一。完整 CLI 命令参考 docs/cli-reference.md。隐私与安全你的记忆只属于你作为零云端记忆系统Mnemosyne 的隐私模型值得单独一提✅默认本地优先不开启同步、不用远程嵌入服务时数据永不离开本机✅零遥测无追踪、无分析、无云依赖✅可选加密同步桌面与 VPS 间的双向增量同步支持客户端加密Fernet 或 PyNaCl服务器只能看到元数据密钥永不离机安全模型全貌见 docs/security.md同步机制文档见 docs/sync.md。常见问题Q1Mnemosyne 和 mem0、Letta 这类记忆框架有什么区别最大的区别是本地优先 零依赖。mem0 需要搭配 Qdrant/PostgreSQLLetta 需要 Docker PostgreSQL而 Mnemosyne 只需一个 pip 包和一个 SQLite 文件甚至能跑在树莓派上核心版约 50 MB 内存。Q2中文等非英文记忆检索效果如何默认嵌入模型偏向英文。中文或混合语言场景切换嵌入模型即可export MNEMOSYNE_EMBEDDING_MODELBAAI/bge-small-zh-v1.5多语言模型选择与权衡见 docs/configuration.md。Q3记忆存在哪里如何备份所有数据都在MNEMOSYNE_DATA_DIR默认~/.hermes/mnemosyne/data下的一个 SQLite 文件中。备份就是mnemosyne export backup.json恢复用mnemosyne import backup.json——真正的单文件可迁移记忆。总结3 行代码终身记忆回到开头的 3 行代码from mnemosyne import remember, recall remember(用户偏好深色模式界面) results recall(用户偏好)安装pip install mnemosyne-memory一条命令写入remember()支持重要度、作用域、过期时间回忆recall()向量 关键词 重要度混合检索扩展MCP 接入任意 Agent、CLI 命令行操作、加密同步多设备Mnemosyne 用零云端 单 SQLite 文件的极简设计证明了 AI Agent 的持久记忆不需要昂贵的云基础设施。现在给你的 Agent 加上这 3 行代码让它真正记住你。【免费下载链接】mnemosyneZero-cloud AI memory that works everywhere. SQLite-backed. One pure-Python dependency.项目地址: https://gitcode.com/gh_mirrors/mnemosyne5/mnemosyne创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Mnemosyne Python SDK完全教程：3行代码让任何AI Agent拥有持久记忆
Mnemosyne Python SDK完全教程3行代码让任何AI Agent拥有持久记忆【免费下载链接】mnemosyneZero-cloud AI memory that works everywhere. SQLite-backed. One pure-Python dependency.项目地址: https://gitcode.com/gh_mirrors/mnemosyne5/mnemosyneMnemosyne 是一个零云端依赖、基于 SQLite 的 Python AI 记忆系统只需一条pip install和 3 行代码就能为你的 AI Agent 或 LLM 应用加上持久记忆。它没有 HTTP 服务、没有外部 API 密钥要求只有一个 SQLite 数据库文件全部数据都保存在你自己的机器上。本教程将带你从零安装到实际调用 Mnemosyne Python SDK快速掌握 AI Agent 记忆层的核心用法。为什么 AI Agent 需要持久记忆想象你每天都在和 AI 编程助手对话但每次会话结束它都忘了你偏好哪个框架、哪个架构约定、甚至你的名字。这就是金鱼记忆问题——当前大多数 LLM 应用只在单次会话内有效。Mnemosyne 的设计目标就是解决它零云端数据本地优先默认不离开你的机器零重型依赖一个 pip 包 一个 SQLite 文件无 Qdrant、无 PostgreSQL全平台通用通过 MCP 协议或 Python SDK接入 Cursor、Claude Code、Codex、OpenWebUI 或你自己的 Agent⚡混合检索向量相似度 全文关键词 重要度评分全部在 SQLite 内完成一键安装pip 安装步骤Mnemosyne 要求 Python 3.10安装只需一行pip install mnemosyne-memory如果你需要完整功能本地向量嵌入 本地 LLM 记忆整理可以安装全功能版pip install mnemosyne-memory[all]安装完成后用官方快速入门文档 docs/getting-started.md 验证环境即可。3行代码你的第一条记忆这是整个教程的核心——真正的 3 行代码就能完成写入记忆和回忆记忆from mnemosyne import remember, recall remember(用户偏好深色模式界面) results recall(用户偏好)就这样。第一行导入 API第二行写入一条记忆第三行按语义检索相关记忆。没有配置文件、没有服务器、没有 API Key——这就是 Mnemosyne Python SDK 的全部门槛。更完整的调用示例来自官方文档from mnemosyne import remember, recall # 存储事实可指定重要度与来源 remember(用户偏好深色模式界面, importance0.9, sourcepreference) # 全局记忆所有会话可见 remember(用户邮箱是 aliceexample.com, importance0.95, scopeglobal) # 语义检索返回最相关的前 3 条 results recall(界面偏好, top_k3) for r in results: print(r[content])这些模块级函数定义在 mnemosyne/core/memory.py 中是官方推荐的简洁调用方式想精细控制时再实例化Mnemosyne类即可。核心 API 速查表记忆生命周期管理除了remember和recallSDK 还提供了一组开箱即用的函数覆盖记忆的完整生命周期函数作用典型场景remember(content, ...)写入记忆支持重要度、作用域、过期时间记住用户偏好recall(query, top_k5)语义关键词混合检索回答用户问题前查记忆get_context(limit10)获取当前会话的近期上下文LLM 调用前自动注入get_stats()查看记忆库统计验证安装是否成功forget(memory_id)按 ID 删除指定记忆用户要求忘掉update(memory_id, ...)修改已有记忆的内容/重要度偏好变更全部公开 API 可在 mnemosyne/init.py 中查看官方 API 参考文档见 docs/api-reference.md。进阶给记忆加上重要性与有效期remember()的关键参数让记忆管理更接近人脑importance0~1重要度评分直接影响检索排序评分权重占 20%scopesession为会话级global为跨会话全局可见valid_until过期时间临时凭证、令牌类记忆到期自动失效例如存储一条会过期的临时令牌remember(临时令牌: abc123, importance0.8, valid_until2026-12-31)进阶按时间回忆与记忆库隔离recall()支持时间衰减权重让最近发生的事更容易被想起results recall(部署记录, temporal_weight0.5, temporal_halflife48.0)多 Agent 或多业务线场景下可以用**记忆库Memory Banks**做领域隔离工作记忆与个人记忆互不干扰from mnemosyne.core.banks import BankManager BankManager().create_bank(work)架构揭秘BEAM 三层记忆模型Mnemosyne 的核心是一个名为BEAM双层情景-关联记忆的三层架构模拟人类记忆的工作方式┌──────────────────────────────────────────────────┐ │ 任意 AI AgentMCP / SDK / 插件 │ └────────────────────┬─────────────────────────────┘ ┌────────────────────▼─────────────────────────────┐ │ Mnemosyne BEAM │ │ 工作记忆 ──▶ 情景记忆长期 三元组库时序KG │ │ │ │ │ SQLite 单文件sqlite-vec FTS5 │ └──────────────────────────────────────────────────┘工作记忆Working Memory热上下文自动在 LLM 调用前注入带 TTL 自动淘汰情景记忆Episodic Memory长期存储向量 FTS5 混合检索三元组库TripleStore时序知识图谱支持某事在某日生效这类版本链查询检索评分公式为50% 向量相似度 30% FTS5 关键词排名 20% 重要度并且全部计算都发生在 SQLite 内部。架构细节可阅读 docs/architecture.md。接入任何 AgentMCP 与 CLI 用法如果你不想直接写 PythonMnemosyne 自带 MCP 服务器Cursor、Claude Code、Codex、Windsurf 等所有 MCP 客户端只需一段配置即可接入各平台完整指南见 docs/integrations/README.md内含 cursor-mcp.md、claude-code-mcp.md 等单平台教程。命令行同样好用日常操作不离开终端mnemosyne store 用户喜欢深色模式 # 写入记忆 mnemosyne recall 偏好 # 检索记忆 mnemosyne stats # 查看统计 mnemosyne sleep # 运行记忆整理consolidationmnemosyne sleep会触发睡眠整理周期把碎片化的工作记忆压缩成摘要——这正是 SQLite 单文件也能做到亚毫秒级检索的秘密之一。完整 CLI 命令参考 docs/cli-reference.md。隐私与安全你的记忆只属于你作为零云端记忆系统Mnemosyne 的隐私模型值得单独一提✅默认本地优先不开启同步、不用远程嵌入服务时数据永不离开本机✅零遥测无追踪、无分析、无云依赖✅可选加密同步桌面与 VPS 间的双向增量同步支持客户端加密Fernet 或 PyNaCl服务器只能看到元数据密钥永不离机安全模型全貌见 docs/security.md同步机制文档见 docs/sync.md。常见问题Q1Mnemosyne 和 mem0、Letta 这类记忆框架有什么区别最大的区别是本地优先 零依赖。mem0 需要搭配 Qdrant/PostgreSQLLetta 需要 Docker PostgreSQL而 Mnemosyne 只需一个 pip 包和一个 SQLite 文件甚至能跑在树莓派上核心版约 50 MB 内存。Q2中文等非英文记忆检索效果如何默认嵌入模型偏向英文。中文或混合语言场景切换嵌入模型即可export MNEMOSYNE_EMBEDDING_MODELBAAI/bge-small-zh-v1.5多语言模型选择与权衡见 docs/configuration.md。Q3记忆存在哪里如何备份所有数据都在MNEMOSYNE_DATA_DIR默认~/.hermes/mnemosyne/data下的一个 SQLite 文件中。备份就是mnemosyne export backup.json恢复用mnemosyne import backup.json——真正的单文件可迁移记忆。总结3 行代码终身记忆回到开头的 3 行代码from mnemosyne import remember, recall remember(用户偏好深色模式界面) results recall(用户偏好)安装pip install mnemosyne-memory一条命令写入remember()支持重要度、作用域、过期时间回忆recall()向量 关键词 重要度混合检索扩展MCP 接入任意 Agent、CLI 命令行操作、加密同步多设备Mnemosyne 用零云端 单 SQLite 文件的极简设计证明了 AI Agent 的持久记忆不需要昂贵的云基础设施。现在给你的 Agent 加上这 3 行代码让它真正记住你。【免费下载链接】mnemosyneZero-cloud AI memory that works everywhere. SQLite-backed. One pure-Python dependency.项目地址: https://gitcode.com/gh_mirrors/mnemosyne5/mnemosyne创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考