Mengram

项目定位#

Mengram 是一个为 AI 智能体提供类人记忆能力的系统，核心解决 AI Agent 缺乏长期记忆和上下文保持能力的问题。智能体无法从过往失败或成功经验中自动优化工作流，Mengram 提供统一的记忆层连接不同智能体框架。

核心记忆架构#

项目采用三层记忆模型：

• 语义记忆：存储事实、偏好、知识，通过 m.search("tech stack") 检索返回事实列表
• 情景记忆：存储事件、决策、结果，通过 m.episodes(query="deployment") 查询带有结果与日期的事件
• 程序记忆：可演化工作流，记录版本历史，通过 m.procedures(query="deploy") 访问工作流版本历史

智能演化机制#

通过 m.procedure_feedback(proc_id, success=False, context="...") 触发流程自动演进。系统能自动从失败对话中检测并演化流程，实现经验驱动的持续优化。关键数据流：POST /v1/add → 会话提取 → 存储实体/事件/程序 → 自动关联失败事件并演化程序。

检索与认知能力#

• 统一检索：m.search_all("deployment issues") 跨三种记忆类型检索
• 认知概要：m.get_profile() 生成可直接用作系统提示词的个性化画像
• 知识图谱：支持实体、关系与事实的图谱化存储与检索

数据管理#

• 多用户隔离：通过 user_id（sub_user_id）实现数据隔离
• 数据导入：CLI 支持 mengram import chatgpt export.zip --cloud、mengram import obsidian vault --cloud、mengram import files notes/*.md --cloud
• 智能触发器：提醒、矛盾检测、模式识别
• Webhooks：变更事件通知

生态集成#

• MCP Server：支持 Claude Desktop、Cursor、Windsurf 配置
• LangChain：提供 MengramChatMessageHistory、MengramRetriever
• CrewAI：5 个专用记忆工具
• OpenClaw：插件支持自动召回与捕获，包含 12 个工具

部署模式#

• 云端模式：FastAPI + PostgreSQL + pgvector，包含会话提取器、演化引擎、智能触发器、记忆代理
• 本地模式：MengramBrain 引擎，SQLite + 向量索引 + 知识图谱，混合检索无需外部数据库依赖

快速开始#

from cloud.client import CloudMemory
m = CloudMemory(api_key="om-...")  # 从 mengram.io 获取免费密钥

m.add([{"role": "user", "content": "I use Python and deploy to Railway"}])
m.search("tech stack")           # → 事实列表
m.episodes(query="deployment")   # → 事件列表
m.procedures(query="deploy")     # → 工作流版本历史

应用场景#

• DevOps Agent：从部署失败对话中自动演化部署流程（示例：examples/devops-agent）
• Customer Support：记住回头客偏好与历史问题，结合 CrewAI 5 个记忆工具
• Personal Assistant：基于 LangChain 构建具备个性化认知概要的助手（示例：examples/personal-assistant）