神经科学驱动的 AI Agent 记忆系统，支持离线单二进制部署，三层记忆架构 + Hebbian 学习 + MCP 原生集成。
项目概述#
Shodh-Memory 是一个基于神经科学的 AI Agent 记忆系统，核心用 Rust 实现单二进制部署（~17-30MB），支持完全离线运行。通过 MCP 协议与 Claude/Cursor 原生集成，提供 Python/Rust/REST API 多种接入方式。
核心特性#
三层记忆架构#
基于 Cowan 工作记忆模型实现：
- Sensory Buffer：~7 items，<1 秒衰减
- Working Memory：~4 chunks，分钟级衰减
- Long-Term Memory：无限容量，Power-law 衰减
认知学习机制#
- Hebbian Learning：共同检索的记忆形成更强连接
- Activation Decay：
A(t) = A₀ · e^(-λt) - Long-Term Potentiation (LTP)：访问 10+ 次衰减速度降低 10 倍
- Memory Replay：维护周期内重放重要记忆（模拟海马体重放）
混合检索系统#
- Vector Index：HNSW 语义相似度
- Knowledge Graph：实体关系 + 扩散激活
- Temporal Index：时间衰减 + 时序检索
- Hybrid Ranking：向量 + 图 + 时间综合排序
性能指标#
| 操作 | 延迟 |
|---|---|
| Store memory | 55-60ms |
| Semantic search | 34-58ms |
| Tag search | ~1ms |
| Entity lookup | 763ns |
| Graph traversal (3-hop) | 30µs |
安装部署#
Docker#
docker run -d -p 3030:3030 -v shodh-data:/data varunshodh/shodh-memory
MCP 集成 (Claude Code / Cursor)#
claude mcp add shodh-memory -- npx -y @shodh/memory-mcp
Python SDK#
pip install shodh-memory
from shodh_memory import Memory
memory = Memory(storage_path="./my_data")
memory.remember("User prefers dark mode", memory_type="Decision")
results = memory.recall("user preferences", limit=5)
REST API（端口 3030）#
| Method | Endpoint | 描述 |
|---|---|---|
| POST | /api/remember | 存储记忆 |
| POST | /api/recall | 语义搜索 |
| POST | /api/proactive_context | 上下文感知检索 |
| POST | /api/reinforce | Hebbian 反馈 |
| POST | /api/todos/add | 创建 todo |
| GET | /api/projects | 列出项目 |
适用场景#
- AI Agent 跨会话记忆持久化（Claude/GPT/Cursor）
- 边缘设备离线记忆（Raspberry Pi、Jetson、工业 PC）
- 机器人/无人机环境记忆
- 本地优先 AI 应用（无云依赖、无外部 API key）
理论基础#
- Cowan, N. (2010) — Working Memory Capacity
- Wixted & Ebbesen (1991) — Power-law decay
- Bi & Poo (1998) — Long-Term Potentiation
- Anderson & Pirolli (1984) — Hebbian Strengthening
- Rasch & Born (2013) — Memory Replay