Lore

Lore — 通用 AI 记忆层

让你的 AI Agent 自动记住一切。

Lore 是一个跨 Agent 记忆系统，可在任何 AI Agent 间存储、关联和检索知识，无需修改代码。安装钩子后，相关记忆便会出现在每条提示词中。无需 Agent 配合。

User: "What API rate limits should I use?"

── Lore hook fires (20ms) ──────────────────────────────
🧠 Relevant memories from Lore:
- [0.82] Stripe API returns 429 after 100 req/min — use exponential backoff
- [0.71] Our internal API rate limit is 500 req/min per API key
────────────────────────────────────────────────────────

Agent sees memories + prompt → responds with full context

功能

通用记忆

remember · recall · forget · list_memories · stats

通过 MCP 工具、REST API 或 Python/TypeScript SDK，在任何 AI Agent 间存储和检索记忆。支持语义搜索、基于层级的 TTL、时间衰减和自动 PII 脱敏。

知识图谱

graph_query · entity_map · related · extract_facts · list_facts · conflicts

自动从记忆中提取实体和关系。逐跳遍历图谱，展现纯向量搜索无法发现的关联知识。原子化事实提取，并自动检测冲突。

双时态事实与替代

supersede · list_at_time · facts_at_time · timeline · provenance · supersession_chain · consolidate_memories

保留历史记录，不删除内容。通过替代来更正记忆和事实，而非删除——每次更改都会追加到可审计的记录中。Lore 跟踪两条独立的时间轴（双时态）：有效时间（事实在现实世界中成立的时间）和系统时间（Lore 获知该事实的时间），因此你可以询问“截至 Y 日期，X 的规范内容——或当时为真的内容是什么？”。list_at_time / facts_at_time 用于回答截至指定时间的查询，timeline 按时间顺序遍历相邻事件，而 provenance / supersession_chain 则展示记忆或事实的完整更正沿革。

图谱可视化

Web UI 位于 /ui/

通过交互式 D3 力导向图浏览知识库。提供实体详情面板、主题簇、搜索和筛选功能。在浏览器中运行，无需安装。

会话连续性

自动快照 + 自动注入——无需 Agent 配合

会话累加器会自动捕获对话上下文，并在每条提示词中注入相关的会话历史。确定性运行（无需 LLM）。通过钩子工作——Agent 完全不知道 Lore 的存在。

最近活动

recent_activity

按会话汇总所有项目近期发生的情况。让 Agent 在不同对话间保持连续性，无需手动传递上下文。

主题笔记

topics · topic_detail

自动生成概念中心，围绕反复出现的主题对相关记忆、实体和事实进行归类。在一个视图中查看 Lore 关于某个主题的全部信息。

导出与快照

export · snapshot · snapshot_list · save_snapshot

以 JSON 和 Markdown 格式完整导出数据。输出兼容 Obsidian，可在 PKM 工具中浏览知识图谱。支持用于备份和迁移的快照。

带风险评分的审批体验

review_digest · review_connection · lore review list --sort risk

审核发现的知识图谱关联，并查看计算得出的风险评分。支持批量批准或拒绝并添加备注，还提供完整的决策审计记录。可按风险、置信度或时间排序。

引导式启动

lore bootstrap

一条命令即可验证 Python 版本、Postgres、pgvector 和 Docker，运行迁移，并检查服务健康状况。使用 --fix 可自动修复缺失的依赖。

多 Agent 配置

lore setup claude-code · lore setup openclaw · lore setup cursor · lore setup codex

一条命令即可为所有主流 AI 编码 Agent 安装钩子。自动检索会注入每条提示词，无需修改代码。包含 --validate、--test-connection 和 --dry-run 标志。

SLO 仪表板 + 告警

lore slo create · lore slo status · GET /v1/slo/status

定义检索延迟（p50/p95/p99）和命中率的 SLO 目标。后台检查器每 60 秒评估一次，并在违反目标时触发 webhook 或电子邮件告警。提供用于绘图的时间序列 API。

自适应检索配置

lore profiles list · GET /v1/profiles · ?profile=coding

存储在 Postgres 中的命名检索配置。提供面向编码（偏重近期内容）、事件响应（偏重图谱）和研究（长期）的预设。可按请求选择，或设为 API 密钥的默认配置。

基于策略的保留

lore policy create · lore restore-drill · GET /v1/policies/compliance

声明式生命周期策略，支持按层级设置保留期限、基于 cron 的快照计划，以及包含计时指标的恢复演练。提供涵盖所有策略的合规性仪表板。

多租户工作区

lore workspace create · lore workspace switch · lore audit

在组织内隔离工作区。提供限定范围的 API 密钥、带 RBAC 角色的成员管理，以及记录每项操作的完整审计日志（memory.create、key.revoke 等）。

插件 SDK

lore plugin create · lore plugin list · lore plugin reload

通过 Python entry_points 发现的插件扩展 Lore。提供五个生命周期钩子（on_remember、on_recall、on_enrich、on_extract、on_score）、热重载、脚手架 CLI 和测试工具。

主动推荐

suggest · lore suggest --context "..." · GET /v1/recommendations

在明确查询前呈现相关记忆。采用多信号评分（上下文相似度、实体重叠、时间模式、访问模式），并提供易读的说明和反馈循环。

检索分析

GET /v1/analytics/retrieval · Prometheus metrics

跟踪命中率、评分分布、记忆利用率和延迟。了解记忆是否真正帮助了你的 Agent。

快速开始

Docker Compose（推荐）

git clone https://github.com/agentkitai/lore.git
cd lore
docker compose up -d

启动带有 pgvector 的 Postgres，以及运行于 http://localhost:8765 的 Lore 服务。

pip

pip install "lore-sdk[server,solo]"
lore serve  # starts on port 8765

验证是否正常运行

curl http://localhost:8765/v1/memories

将 Lore 添加为 MCP 服务

只需一行，无需安装，即可将 Lore 添加到任意 MCP 客户端（Claude Code、Cursor、VS Code、Codex、Claude Desktop）：

// Claude Code: .mcp.json  ·  Claude Desktop: claude_desktop_config.json
{
  "mcpServers": {
    "lore": { "command": "uvx", "args": ["--from", "lore-sdk[mcp]", "lore-memory"] }
  }
}

已安装（pip install lore-sdk[mcp]）？请使用 "command": "lore-memory"（或 lore mcp）。各客户端的指南见下方多 Agent 配置；lore integrate --platform <client> 会为你写入配置。

多 Agent 配置

Claude Code

选项 A：自动检索钩子（推荐）

lore setup claude-code

这会安装一个 UserPromptSubmit 钩子，在每条提示词中自动注入相关记忆。

选项 B：MCP 工具

添加到 ~/.claude/settings.json：

{
  "mcpServers": {
    "lore": {
      "command": "lore",
      "args": ["mcp"],
      "env": {
        "LORE_API_URL": "http://localhost:8765",
        "LORE_API_KEY": "your-api-key"
      }
    }
  }
}

OpenClaw

lore setup openclaw

安装一个用于自动检索的 message:preprocessed 钩子。在每次 Agent 回复前，记忆都会出现在上下文中。

Cursor

lore setup cursor

安装一个 beforeSubmitPrompt 钩子。还需将 MCP 配置添加到 .cursorrules：

{
  "mcpServers": {
    "lore": {
      "command": "lore",
      "args": ["mcp"],
      "env": {
        "LORE_API_URL": "http://localhost:8765",
        "LORE_API_KEY": "your-api-key"
      }
    }
  }
}

Codex CLI

lore setup codex

安装一个 beforePlan 钩子。添加 MCP 配置：

{
  "mcpServers": {
    "lore": {
      "command": "lore",
      "args": ["mcp"],
      "env": {
        "LORE_API_URL": "http://localhost:8765",
        "LORE_API_KEY": "your-api-key"
      }
    }
  }
}

任意 HTTP 客户端

任何能在发送提示词前发起 HTTP 调用的系统都可使用自动检索：

curl -s "http://localhost:8765/v1/retrieve?query=your+prompt&limit=5&min_score=0.3&format=markdown" \
  -H "Authorization: Bearer $LORE_API_KEY"

MCP 工具参考

工具	描述
remember	存储带有类型、层级、标签和元数据的记忆
recall	使用时间和图谱增强检索进行语义搜索
forget	按 ID 删除记忆
list_memories	筛选并列出记忆
stats	记忆统计信息（总数、按类型/层级统计）
upvote_memory	提高记忆排名
downvote_memory	降低记忆排名
graph_query	逐跳遍历知识图谱
entity_map	列出实体（可选 D3 格式）
related	查找相关记忆/实体
extract_facts	提取（主语、谓语、宾语）三元组
list_facts	列出有效事实
conflicts	列出检测到的事实冲突
classify	意图、领域、情绪分类
enrich	由大模型驱动的元数据提取
consolidate	合并重复或相关的记忆
ingest	接收来自外部来源的内容
github_sync	同步 GitHub 仓库数据
check_freshness	根据 git 验证记忆的时效性
as_prompt	导出格式化为大模型注入内容的记忆
add_conversation	从对话消息中提取记忆
recent_activity	最近的记忆活动摘要
topics	列出自动检测到的重复主题
topic_detail	深入了解某个主题（记忆、实体、时间线）
export	将所有数据导出为 JSON
snapshot	创建数据备份
snapshot_list	列出可用快照
save_snapshot	保存会话快照
review_digest	获取待审核的关联
review_connection	批准/拒绝待处理的关联
on_this_day	跨年份查找同一日期的记忆
suggest	根据会话上下文主动推荐记忆
remember_observation	记录会话中的结构化观察
search	渐进式披露的紧凑索引（id、标题、分数）
get_memories	获取一个或多个记忆 ID 的完整载荷
timeline	围绕锚点记忆按时间顺序排列的相邻事件
promote_memory	与团队共享私有记忆（私有→共享）
demote_memory	取消共享记忆，使其恢复为私有
supersede	将记忆标记为已被更新的记忆取代
list_at_time	列出指定时间点有效的记忆
consolidate_memories	创建合并后的记忆，并将所有源记忆标记为已取代
provenance	记忆的完整溯源信息（来源 + 取代链）
supersession_chain	记忆的取代审计链
facts_at_time	列出指定时间点关于某个实体有效的事实
supersede_fact	用更新的事实取代某个事实（绝不删除）
fact_supersession_chain	事实的修正轨迹

CLI 参考

# Memory operations
lore remember "API rate limit is 100 req/min" --tags api,limits
lore recall "rate limits" --limit 5
lore forget <memory-id>
lore memories --tier long_term
lore stats

# Knowledge graph
lore graph "authentication" --depth 2
lore entities --limit 50
lore facts "extract facts from this text"
lore conflicts

# Session & context
lore recent --hours 24
lore on-this-day

# Export & backup
lore export --format json > backup.json
lore import backup.json
lore snapshot-save --title "before refactor"

# Server & setup
lore bootstrap               # validate prerequisites
lore serve                    # start HTTP server
lore mcp                     # start MCP server
lore ui                      # start web UI
lore setup claude-code       # install hooks
lore setup claude-code --validate --test-connection

# SLO management
lore slo create --name "P99 < 50ms" --metric p99_latency --threshold 50 --operator lt
lore slo status
lore slo alerts

# Retrieval profiles
lore profiles list
lore profiles create --name fast-coding --semantic-weight 1.0 --recency-bias 7

# Retention policies
lore policy create --name prod --snapshot-schedule "0 2 * * *" --max-snapshots 30
lore policy compliance
lore restore-drill --latest

# Workspaces
lore workspace create dev-team
lore workspace switch dev-team
lore audit --since 24h

# Plugins
lore plugin create my-tagger
lore plugin list
lore plugin reload my-tagger

# Recommendations
lore suggest --context "setting up docker"

# Review (with risk scoring)
lore review list --sort risk
lore review approve <id> --note "Verified"
lore review batch approve --ids id1,id2

# API keys
lore keys create --name "my-agent"
lore keys list
lore keys revoke <key-id>

API 参考

关键端点

# Memory CRUD
GET    /v1/retrieve                    # Auto-retrieval (for hooks)
POST   /v1/memories                    # Create memory
POST   /v1/memories/search             # Semantic search
GET    /v1/memories                    # List memories
GET    /v1/memories/{id}               # Get memory
PATCH  /v1/memories/{id}               # Update memory
DELETE /v1/memories/{id}               # Delete memory

# Knowledge graph
GET    /v1/graph                       # Knowledge graph
GET    /v1/graph/topics                # Topic list
GET    /v1/graph/topics/{name}         # Topic detail
GET    /v1/graph/entity/{id}           # Entity detail

# Bi-temporal & supersession (history without deletion)
POST   /v1/memories/{id}/supersede            # Mark superseded (by=null un-supersedes)
GET    /v1/memories/at_time                   # Memories canonical as of ?at=<ts>
GET    /v1/memories/{id}/supersession-chain   # Memory correction audit trail
GET    /v1/memories/{id}/provenance           # Full lineage (sources + chain)
POST   /v1/memories/consolidate               # Merge N memories + supersede sources
GET    /v1/facts/at_time                      # Facts about an entity valid at ?at=<ts>
POST   /v1/facts/{id}/supersede               # Supersede-not-delete a fact edge
GET    /v1/facts/{id}/supersession-chain      # Fact correction trail
GET    /v1/timeline                           # Chronologically adjacent events

# Ingestion
POST   /v1/conversations              # Extract memories from conversation
POST   /v1/ingest                     # Ingest external content

# Review + risk scoring
GET    /v1/review                     # Pending reviews (sortable by risk)
POST   /v1/review/{id}               # Approve/reject with notes
POST   /v1/review/bulk               # Batch approve/reject
GET    /v1/review/history             # Decision audit trail

# Export & snapshots
POST   /v1/export                     # Export all data
POST   /v1/import                     # Import data
POST   /v1/export/snapshots           # Create snapshot
GET    /v1/export/snapshots           # List snapshots

# SLO dashboard
GET    /v1/slo                        # List SLO definitions
POST   /v1/slo                        # Create SLO
GET    /v1/slo/status                 # Current pass/fail per SLO
GET    /v1/slo/alerts                 # Alert history
GET    /v1/slo/timeseries             # Time-series for charts

# Retrieval profiles
GET    /v1/profiles                   # List profiles
POST   /v1/profiles                   # Create profile
GET    /v1/retrieve?profile=coding    # Retrieve with profile

# Retention policies
GET    /v1/policies                   # List policies
POST   /v1/policies                   # Create policy
GET    /v1/policies/compliance        # Compliance summary
POST   /v1/policies/{id}/drill       # Execute restore drill

# Workspaces + RBAC
POST   /v1/workspaces                 # Create workspace
GET    /v1/workspaces                 # List workspaces
POST   /v1/workspaces/{id}/members   # Add member
GET    /v1/audit                      # Query audit log

# Plugins
GET    /v1/plugins                    # List plugins
POST   /v1/plugins/{name}/enable     # Enable plugin
POST   /v1/plugins/{name}/reload     # Hot-reload plugin

# Recommendations
POST   /v1/recommendations           # Get proactive suggestions
POST   /v1/recommendations/{id}/feedback  # Thumbs up/down
PATCH  /v1/recommendations/config    # Adjust aggressiveness

# Setup validation
POST   /v1/setup/validate            # Test connectivity

# Analytics & monitoring
GET    /v1/recent                     # Recent activity
GET    /v1/analytics/retrieval        # Retrieval analytics
GET    /metrics                       # Prometheus metrics

# API keys
POST   /v1/keys                       # Create API key
GET    /v1/keys                       # List API keys
DELETE /v1/keys/{id}                  # Revoke API key

配置

变量	默认值	说明
DATABASE_URL	—	PostgreSQL 连接字符串
LORE_PORT	8765	服务端口
LORE_API_KEY	—	用于身份验证的 API 密钥
LORE_API_URL	http://localhost:8765	远程服务 URL
LORE_PROJECT	—	默认项目范围
LORE_SNAPSHOT_THRESHOLD	30000	自动创建快照前的字符数
LORE_ENRICHMENT_ENABLED	false	启用大模型增强流水线
LORE_ENRICHMENT_MODEL	gpt-4o-mini	用于增强的模型
LORE_LLM_PROVIDER	—	覆盖大模型提供商
LORE_LLM_API_KEY	—	大模型 API 密钥
LORE_LLM_MODEL	—	覆盖大模型
LORE_LLM_BASE_URL	—	大模型基础 URL
LORE_GRAPH_DEPTH	2	默认图遍历深度
LORE_GRAPH_CONFIDENCE_THRESHOLD	0.5	实体置信度阈值
LORE_GRAPH_EXTRACTION_ENABLED	true	从新记忆中提取实体。默认开启——实体来自本地 spaCy NER（无需大模型，也无需 claude CLI）；未安装 spaCy/en_core_web_sm 时会回退到专有名词启发式规则。设为 false 可禁用。安装 lore-sdk[ner] 并运行 python -m spacy download en_core_web_sm 可获得最佳实体提取效果。
LORE_GRAPH_LLM	false	使用 claude CLI 提取实体及关系（主语→谓语→宾语），而非仅在本地提取实体。需要在 PATH 中安装 Claude Code。
LORE_GRAPH_EXTRACTION_CONCURRENCY	2	最多并发运行的 claude 提取子进程数（仅限大模型路径）
LORE_GRAPH_EXTRACTION_TIMEOUT	30	每次提取的子进程超时时间，单位为秒（仅限大模型路径）
LORE_CONTRADICTION_DETECTION	auto	写入时检测矛盾并软性替代。设置 OPENAI_API_KEY 时自动开启（由大模型评分）；可设为 true/false 以覆盖默认值。标记新记忆，并软性替代较早的矛盾记忆（召回时对已替代记忆的权重乘以 0.1——不会删除）。
LORE_CONTRADICTION_SUPERSEDE	true	软性替代较早的矛盾记忆（后写入优先）。false = 仅标记（旧行为）。仅替代你自己的/无所有者的记忆；跨 Agent 冲突只标记。
LORE_CONTRADICTION_SUPERSEDE_MIN_CONFIDENCE	0.75	替代所需的置信度阈值（高于标记阈值 LORE_CONTRADICTION_MIN_CONFIDENCE=0.6）。
LORE_AUTO_SAVE	true	自动捕获（Claude Code hooks）总开关；设为 false 可禁用所有捕获。
LORE_CAPTURE_N	0	自动捕获的会话中批次大小。0 = 仅缓冲（在 Stop 时按轮次提取）；>0 = 每调用 N 次工具就启动一次 capture-extract（旧默认值为 10）。
LORE_EXTRACT_ON_STOP	true	自动捕获：每个已完成的 Agent 轮次提取一次（Stop hook）。false = 严格仅在会话结束时提取。
LORE_HTTP_TIMEOUT	30	HTTP 超时时间（秒）
OPENAI_API_KEY	—	设置后自动启用增强
SLO_CHECK_INTERVAL	60	SLO 评估间隔（秒）
ALERT_WEBHOOK_URL	—	SLO 告警的默认 webhook URL
SMTP_HOST	—	用于邮件告警的 SMTP 服务
SMTP_PORT	587	SMTP 端口
SMTP_USER	—	SMTP 用户名
SMTP_FROM	—	邮件发件人地址
AUTH_MODE	api-key-only	身份验证模式：api-key-only、dual、oidc-required
LORE_WORKSPACE	—	默认工作区 slug

架构

┌──────────────────────────────────────────────────────────────┐
│                      Agent Runtimes                          │
│  Claude Code · OpenClaw · Cursor · Codex · Any HTTP client   │
└──────────┬──────────────────────────────────┬────────────────┘
           │ hooks (auto-retrieval)           │ MCP tools
           ▼                                  ▼
┌──────────────────────────────────────────────────────────────┐
│                     Lore Server (:8765)                       │
│                                                              │
│  REST API · MCP Server · Web UI (/ui/) · Plugin SDK          │
│                                                              │
│  ┌─────────────┐  ┌──────────────┐  ┌─────────────────────┐ │
│  │  Embedder   │  │  Knowledge   │  │  LLM Pipeline       │ │
│  │  (ONNX)     │  │  Graph       │  │  (optional)         │ │
│  │  pgvector   │  │  + Review    │  │  classify · enrich   │ │
│  │  + Profiles │  │  + Risk      │  │  extract · recommend │ │
│  └─────────────┘  └──────────────┘  └─────────────────────┘ │
│                                                              │
│  ┌─────────────┐  ┌──────────────┐  ┌─────────────────────┐ │
│  │  SLO        │  │  Retention   │  │  Workspaces         │ │
│  │  Checker    │  │  Scheduler   │  │  + RBAC             │ │
│  │  + Alerting │  │  + Drills    │  │  + Audit Log        │ │
│  └─────────────┘  └──────────────┘  └─────────────────────┘ │
└──────────────────────────┬───────────────────────────────────┘
                           │
              ┌────────────▼────────────┐
              │   PostgreSQL + pgvector  │
              │   memories · entities    │
              │   relationships · facts  │
              │   slo · profiles · audit │
              │   workspaces · policies  │
              └─────────────────────────┘

性能

操作	延迟
/v1/retrieve（热启动）	~20ms
remember()（无大模型）	< 100ms
recall() 100 条记忆	< 50ms
recall() 10K 条记忆	< 200ms
recall()（图增强）	< 500ms
向量嵌入（500 个单词）	< 200ms

参与贡献

git clone https://github.com/agentkitai/lore.git
cd lore
pip install -e ".[dev,server,mcp,enrichment]"
docker compose up -d db  # Postgres + pgvector
pytest

许可证

MIT