Alaya Memory Engine

Name: Alaya Memory Engine
Author: SecurityRonin

本地服务

github.com/SecurityRonin记忆与知识1815 周前更新

代码仓库

关于 Alaya Memory Engine

Alaya Memory Engine 是面向 AI Agent 的本地记忆引擎，将对话片段存入 SQLite 并构建个人知识图谱。其受神经科学启发的生命周期管理知识整合、关联、检索与遗忘，并提供 10 个 MCP 工具。

主要功能

01存储对话片段
02语义检索记忆
03构建个人知识图谱
04追踪自动形成的类别与偏好
05整合、强化和遗忘记忆
06提供 10 个 MCP 工具

适用场景

01检索过往对话中的相关细节
02为 Agent 保存事实和关系
03浏览记忆类别与偏好
04通过生命周期操作维护记忆

MCP 相关

它向 MCP 客户端提供 10 个工具，用于记录和检索记忆、浏览知识、追踪偏好及维护记忆系统。

#memory #knowledge-graph #mcp #mcp-server #ai #agent #sqlite #local

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "alaya": {
      "command": "npx",
      "args": [
        "-y",
        "alaya-mcp"
      ],
      "env": {
        "ALAYA_LLM_API_KEY": "<ALAYA_LLM_API_KEY>",
        "ALAYA_LLM_API_URL": "<ALAYA_LLM_API_URL>",
        "ALAYA_LLM_MODEL": "<ALAYA_LLM_MODEL>",
        "ALAYA_DB": "<ALAYA_DB>"
      }
    }
  }
}

启动命令npx -y alaya-mcp

需要配置的环境变量

ALAYA_LLM_API_KEY密钥API key for auto-consolidation (enables LLM-powered knowledge extraction)

ALAYA_LLM_API_URLOpenAI-compatible chat completions endpoint

ALAYA_LLM_MODELModel name (e.g. gpt-4o-mini, haiku, gemini-flash)

ALAYA_DBPath to SQLite database

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npmalaya-mcp0.4.7stdio

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

alaya-mcp

唯一具备神经科学基础记忆动态机制的记忆引擎——在零依赖、可嵌入的 Rust 库中实现 Bjork 双强度遗忘、提取诱导抑制和赫布式共激活。

它会存储对话片段，在认知生命周期中整合知识，并构建个人知识图谱——所有数据都保存在本地 SQLite 数据库中。

安装

Claude Code

添加到 ~/.claude/claude_code_config.json：

{
  "mcpServers": {
    "alaya": {
      "command": "npx",
      "args": ["-y", "alaya-mcp"]
    }
  }
}

Claude Desktop

添加到 Claude Desktop MCP 配置中：

{
  "mcpServers": {
    "alaya": {
      "command": "npx",
      "args": ["-y", "alaya-mcp"],
      "env": {
        "ALAYA_LLM_API_KEY": "sk-...",
        "ALAYA_LLM_API_URL": "https://api.openai.com/v1/chat/completions",
        "ALAYA_LLM_MODEL": "gpt-4o-mini"
      }
    }
  }
}

ALAYA_LLM_* 环境变量为可选项——启用后可自动提取知识。若不设置，Agent 会从自身上下文中提取知识。

MCP 工具

工具	描述
`remember`	存储对话片段
`recall`	对记忆进行语义搜索
`status`	查看记忆系统的运行状态和统计信息
`knowledge`	浏览提取出的知识
`learn`	存储预先提取的事实和关系
`categories`	查看涌现式类别体系
`preferences`	跟踪逐渐定型的用户偏好
`neighbors`	探索知识图谱
`lifecycle`	触发维护操作（强化、转换、遗忘）
`configure`	设置嵌入提供方及其他选项

工作原理

记住 — 实时存储对话片段
整合 — 从片段中提取事实、关系和概念
强化 — 共同提取的记忆会强化彼此的连接（赫布式 LTP）；提取记忆 A 会主动抑制竞争记忆 B 和 C（提取诱导遗忘）
分类 — 根据你的知识自动形成涌现式类别
遗忘 — Bjork 双强度衰减将存储强度（编码得有多牢固）与提取强度（查找有多容易）区分开来；弱记忆逐渐淡去，强记忆则会留存
结晶 — 从累积的印象（vasana）中涌现出隐式偏好，无需 LLM

所有数据都保存在你的设备上的 ~/.alaya/memory.db 中。

为什么选择 Alaya

问题	基于文件的记忆	Alaya
令牌浪费	注入完整上下文（每条消息约 35K 个令牌）	排序检索——只提取相关性最高的前 k 条记忆
缺乏结构	所有内容都放在一个文件中	三种类型化存储：片段、知识、偏好
不会遗忘	文件不断增长，直到手动整理	Bjork 双强度衰减 + 提取诱导遗忘
缺乏关联	扁平文件，没有链接	赫布式共同提取图（LTP/LTD）
偏好脆弱	Agent 编写的摘要会逐渐偏移	从印象（vasana）中涌现隐式偏好
需要 LLM	没有 LLM 就无法运行	优雅降级：没有嵌入时仅使用 BM25