面向 LLM 和 AI Agent 的持久化长期记忆引擎，采用认知科学启发的五扇区记忆模型与时间知识图谱，支持记忆衰减、强化与可解释检索。
OpenMemory 是一个为 LLM 和自主智能体设计的持久化长期记忆系统。与传统的 RAG 或向量数据库不同，它采用基于认知科学的五扇区记忆模型（情景 Episodic、语义 Semantic、程序 Procedural、情绪 Emotional、反思 Reflective），结合时间知识图谱、记忆衰减与强化引擎、Waypoint 关联图等机制，提供更接近人类记忆特性的解决方案。
核心特性：
- 五扇区记忆模型：基于认知科学的层级扇区分解，而非简单向量存储
- 时间知识图谱：
valid_from/valid_to时间窗口，支持事实演变与点对时间查询 - 记忆衰减与强化引擎：扇区感知衰减曲线、高信号事件触发脉冲强化、归因追踪
- Waypoint 关联图：单向最强链接（cosine ≥ 0.75）、1-hop 图遍历、权重衰减与自动修剪
- 可解释检索：组合评分
0.6×相似度 + 0.2×显著性 + 0.1×新近度 + 0.1×Waypoint，提供召回路径追踪 - 多模态摄取：PDF、DOCX、TXT、MD、HTML、音视频（Whisper API）
- 数据源连接器：GitHub、Notion、Google Drive、OneDrive、Web Crawler
- 多嵌入提供者：OpenAI、Gemini、AWS、Ollama、本地模型、合成回退
架构：层级记忆分解（HMD v2）五层架构，SQLite 存储，支持水平分片与垂直优化（WAL 模式、SIMD 向量计算）。
性能：Add 80-120ms，Query 单扇区 110-130ms，100k 记忆约 500MB。
部署：Python SDK (openmemory-py)、Node SDK (openmemory-js)、Docker Compose、CLI 工具 (opm)。
MCP 集成：支持 Claude Desktop、Cursor、Windsurf、VS Code，提供 openmemory_query、openmemory_store、openmemory_list 等工具。