Grantai

GrantAi

为 AI 提供确定性记忆
本地。私密。安全。

官方网站 • 下载 • 文档

---

免费版 — 一条命令，无需账户

免费版是完整的本地记忆引擎，以 MCP 服务形式运行：无需电子邮件、许可证密钥或试用期；一次性下载模型（约 650 MB）后，无需联网。

# macOS / Linux
curl -fsSL "https://solonai.com/grantai/install.sh?src=github" | bash

# Windows 10/11 (PowerShell)
irm "https://solonai.com/grantai/install.ps1?src=github" | iex

安装程序会根据公开的 SHA-256 清单验证两个下载文件，将其安装到 ~/.grantai/free（Windows：%LOCALAPPDATA%\GrantAi\free），并在已安装的 Claude Code、Claude Desktop、Cursor、Gemini CLI 和 Codex 中注册该服务。其他任何 MCP 客户端都使用相同的命令和参数。Homebrew：brew install solonai/grantai/grantai-free。无网络隔离环境中的安装方式以及完整的运行位置列表，请参阅开发者页面。

问题

如今，每个 AI 系统都有同一个缺陷：它们靠猜测，而不是记忆。

RAG（检索增强生成）会将文档转换为向量——即对含义的数值近似表示。收到查询后，它会返回与问题在数学上相似的内容。相似不等于正确。

询问“HIPAA 加密处罚”，RAG 就会返回看起来像合规内容的文本块。也许是正确章节，也许是相邻段落，也可能是编造的范围。检索的每个词元都要付费，无论内容是否相关。

这就是检索税：

• 重复检索 — 相同的问题、相同的搜索、相同的成本
• 过度检索 — 需要 3 个文本块时，却返回 20 个
• 人力消耗 — 工程师忙于调整嵌入，而不是构建产品
• 风险 — 在要求精确的领域中给出近似答案

企业 AI 将 85% 的计算资源用于推理。其中大部分都浪费在检索无法回答问题的内容上。

解决方案

GrantAi 为 AI Agent 提供确定性记忆。

GrantAi 不使用相似性搜索，而是采用直接寻址。每条知识都有唯一标识符。检索是查找，而不是搜索。你可以在毫秒内获得已编入索引的确切内容——原文照录，并附有出处。

RAG	GrantAi
返回相似内容	返回确切内容
返回 10–20 个文本块，寄希望于其中一个正确	返回 1–3 句话，始终正确
语料库越大，速度越慢	无论规模大小，均在毫秒内完成
无出处信息	完整审计记录
近似	确定性

**结果：**发送给大模型的词元减少 97%。响应更快，成本更低。检索不会导致幻觉。

意义所在

• 合规 — 提供精确引文，而非转述式猜测
• 多 Agent — AI 团队共享记忆，并注明发言者
• 成本 — 为答案付费，而不是为搜索付费
• 安全 — 100% 本地运行，采用 AES-256 加密，数据零外传

快速入门

macOS / Linux（原生）

# 1. Download from https://solonai.com/grantai/download
# 2. Extract and install
./install.sh

# 3. Restart your AI tool (Claude Code, Cursor, etc.)

Docker（所有平台）

docker pull ghcr.io/solonai-com/grantai-memory:1.8.6

将以下内容添加到 Claude Desktop 配置文件（~/.config/Claude/claude_desktop_config.json）中：

{
  "mcpServers": {
    "grantai": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "--pull", "always",
               "-v", "grantai-data:/data",
               "ghcr.io/solonai-com/grantai-memory:1.8.6"]
    }
  }
}

支持的平台

平台	方式	状态
macOS（Apple Silicon）	原生	✅
Linux（x64）	原生	✅
Windows	原生	✅
所有平台	Docker	✅

MCP 工具

GrantAi 为你的 AI 提供以下工具：

工具	描述
grantai_infer	查询记忆，获取相关上下文
grantai_teach	存储内容，以供日后回忆
grantai_learn	导入文件或目录
grantai_health	检查服务状态
grantai_summarize	存储会话摘要
grantai_project	跟踪项目状态
grantai_snippet	存储代码模式
grantai_git	导入 git 提交历史
grantai_capture	保存对话轮次，以保持连续性

多 Agent 记忆共享

多个 Agent 可以通过 GrantAi 的记忆层共享知识。

基本记忆共享（无需设置）

# Any agent stores
grantai_teach(
    content="API rate limit is 100 requests/minute.",
    source="api-notes"
)

# Any agent retrieves
grantai_infer(input="API rate limiting")

所有 Agent 都从同一个记忆池中读取和写入，无需配置。

添加 Agent 归属信息（可选）

使用 speaker 追踪内容由哪个 Agent 存储，并使用 from_agents 筛选检索结果：

# Store with identity
grantai_teach(
    content="API uses Bearer token auth.",
    source="api-research",
    speaker="researcher"  # optional
)

# Retrieve from specific agent
grantai_infer(
    input="API authentication",
    from_agents=["researcher"]  # optional filter
)

何时使用 speaker

场景	使用 speaker？	原因
共享知识库	否	所有贡献同等重要，无需筛选
会话连续性	否	上下文相同，只需持久化并检索
研究 → 代码交接	是	编码 Agent 仅筛选研究者的发现
基于角色的信任	是	对安全 Agent 的输入区别对待

框架集成

GrantAi 适用于任何兼容 MCP 的客户端。将你的 Agent 指向同一个 GrantAi 实例：

{
  "mcpServers": {
    "grantai": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "--pull", "always",
               "-v", "grantai-data:/data",
               "ghcr.io/solonai-com/grantai-memory:1.8.6"]
    }
  }
}

所有使用此配置的 Agent 都共享同一记忆卷（grantai-data）。

构建者

GrantAi 由 Lawrence Grant 创建，他也是 SolonAI 的创始人。

背景：哈佛大学、IBM；曾为 Blackstone、Goldman Sachs 和 Vanguard 从事 AI 架构与安全工作。著有 Mergers and Acquisitions Cybersecurity: The Framework For Maximizing Value。

我们为何构建此项目

阅读关于确定性记忆的完整论述：你的 AI 有健忘症，而你还在为此付费。问题出在架构。

文档

• 安装指南
• 故障排除

支持

• 问题 — 提交问题
• 电子邮件 — [email protected]

许可证

可免费试用。定价与条款

---

开始使用 →