memograph

MemoGraph 🧠

**MemoGraph 可将一组 Markdown 笔记转化为可查询、适用于 AI 的知识图谱。**它解决了大模型的记忆难题——AI 助手会忘记上周二的决定，找不到两个项目中的相关笔记，还会一遍遍重新推导相同的见解——为它们提供一个持久、可浏览、便于追溯来源的记忆层，并将其保存在由你掌控的纯 Markdown 文件中。

你可以像往常一样写笔记。MemoGraph 会为笔记建立索引，从 [[wikilinks]] 构建图谱，按重要性排序，并按需将内容提供给你的大模型（或团队）。

⚡ 60 秒快速体验

pip install memograph
memograph quickstart

就这么简单。quickstart 命令会在你的磁盘上创建一个小型、互相关联的示例知识库（包含 15 篇关于 Python 开发的笔记，彼此之间带有真实的维基链接），为其建立索引，并运行三个实时演示查询，让你在决定是否采用前，先体验图谱和混合检索的效果。尤其可以试试这个查询：

memograph --vault ~/memograph-quickstart search "FastAPI dependency injection"

知识库中有一篇标题为 FastAPI dependencies 的笔记（介绍 Depends(...)）——没有任何笔记的标题包含“dependency”或“injection”这两个词。MemoGraph 仍能找到它，因为混合检索可以从语义上理解“dependency injection”，而维基链接图谱则将相关笔记串联起来。一个查询，就能展示产品的核心能力。

随时重新运行 memograph quickstart --force，即可重置为全新的演示环境。准备好后，将 MemoGraph 指向你的真实笔记：memograph --vault ~/your-notes ingest。

你将获得

作为个人用户 / 知识工作者

• 由人类可读的 Markdown 文件组成的知识库——没有专有格式，也没有供应商锁定。无论使用什么工具，你的笔记都能长久留存。
• 混合检索结合关键词搜索、语义相似度和图遍历，即使你不记得确切用词，也能找到正确的笔记。
• AI 辅助标记、链接建议和知识缺口检测，帮助你的知识库不断成长，而不是逐渐荒废。
• 用于浏览、编辑和可视化图谱的命令行界面和 Web UI。

作为 AI Agent / IDE 用户

• 功能完备的 模型上下文协议（MCP）服务，提供 30 多种工具，开箱即用，兼容 Claude Desktop、Claude Code、Cursor、Cline、Windsurf、Continue、Zed、VS Code、Goose、Gemini CLI、OpenAI Codex CLI 等。
• 自主“自动保存”钩子，可自动将 AI 对话中的决定和上下文保存到知识库。
• 按对话回忆记忆——你的助手可以直接调取“我们上周关于 X 做了什么决定”，无需你每次都复制粘贴上下文。

作为企业 / SaaS 运营方

• 多租户部署：按租户进行文件系统级隔离，提供端到端隔离测试和预热 LRU 内核缓存。
• OIDC + API 密钥身份验证：支持 JWKS（Auth0、Clerk、WorkOS、Keycloak、Azure AD、Okta），并提供限制性 CORS、请求大小上限和速率限制。
• 符合 GDPR 的定时删除：采用带宽限期的墓碑标记流程，自动执行最终备份，配备每日清理器，并记录每次删除的审计日志。
• 内置可观测性：OpenTelemetry 跟踪 + Prometheus /metrics、带请求 ID 的结构化 JSON 日志，以及用于编排的独立 /healthz / /readyz。
• 随代码提供运维手册：包括安装、SSO 设置、RBAC、备份还原和 GDPR 流程。

使用者如何受益

你想要……	MemoGraph 为你提供……
防止 AI 助手在不同对话间遗忘上下文	持久化知识库 + MCP 服务，以及可选的自动保存钩子
只记得一点线索，却要在成千上万条笔记中找到一条	混合检索（关键词 + 语义 + 图谱），并按显著性排序
无需手动交叉链接即可关联相关想法	AI 链接建议、反向链接图、BFS 遍历
发现知识库中缺少的内容	缺口检测器 + 主题聚类 + 学习路径建议
为团队或产品自托管记忆后端	Web UI、FastAPI HTTP API、OpenAPI v1 契约、Docker compose
将 MemoGraph 部署给多个付费客户	多租户内核注册表、OIDC、配额（路线图）、GDPR 运维手册
应对 SOC 2 审计沟通	绑定用户和租户的审计日志、可观测性、安全工作流、合规路线图文档

✨ 功能一览

核心记忆引擎

• 基于图谱的记忆 — 双向 [[wikilinks]] 可自动构建可导航的知识图谱。
• 混合检索 — 结合关键词、语义嵌入和图谱遍历，并重新排序。
• 受认知科学启发的记忆类型：情景、语义、程序、事实。
• 显著性评分（0–1）：随时间衰减，并在访问时提升。
• 智能索引 — 缓存 mtime，仅重新解析发生变化的文件。
• 上下文压缩 — 根据大模型提示词的令牌预算进行窗口化处理。
• 原生 Markdown 知识库 — 每条记忆都是带有 YAML frontmatter 的 .md 文件；无需专有格式。

AI 功能

• 智能自动整理引擎 — 从记忆中提取主题、人物、行动项、决策、问题、情绪、风险、想法和时间线事件。
• AutoTagger — 通过语义分析、结构检测和模式学习来建议标签。
• LinkSuggester — 为相关笔记建议 [[wikilinks]]；也会提供双向链接建议。
• GapDetector — 揭示缺失的主题、覆盖薄弱之处、孤立笔记和未建立的链接。
• 知识分析 — 知识库统计、主题聚类、学习路径和关联分析。

接口

• Python API — MemoryKernel 支持同步、异步和批处理版本。
• CLI — 提供 24+ 条命令，用于摄取、搜索、批量操作、导入、导出、备份和 AI 功能。
• MCP 服务 — 提供 30+ 个工具，使用 stdio 传输，可直接接入任何兼容 MCP 的客户端。
• Web UI — 提供 React + D3 图谱可视化、搜索和编辑功能（FastAPI 后端 + Vite 前端）。
• HTTP API — 采用版本化 /api/v1/，在 CI 中提供 OpenAPI 快照，可用于服务间集成。

企业级与 SaaS 就绪

• 多租户，采用文件系统隔离租户、LRU 热内核注册表、每租户审计日志，并通过端到端隔离测试作为发布门槛。
• 身份验证，支持通过 OIDC（JWKS）或哈希 API 密钥进行身份验证；按路由设置身份验证范围；将身份绑定到审计日志中。
• Web 加固——严格限制 CORS、slowapi 速率限制、请求大小上限、包含请求 ID 的结构化 JSON 日志，以及不泄露信息的 500 错误处理程序。
• 存储加固——防路径遍历的保险库写入、保险库大小软性／硬性上限、带架构版本的缓存文件。
• 计划删除，满足 GDPR 第 17 条要求：使用可配置宽限期的墓碑标记、自动执行最终备份、每日清理脚本，以及宽限期结束前取消的端点。
• 可观测性——OpenTelemetry FastAPI/asyncio 自动检测、Prometheus /metrics、OTLP 导出。
• 可靠性——并发审计、并发写入压力测试、带完整性检查的版本化备份格式。
• 分发——固定并锁定依赖项、用于自托管的 Docker compose、安全工作流（bandit + pip-audit）。

有关面向运维人员的详细信息，请参阅 docs/INSTALL_ENTERPRISE.md、docs/SSO_SETUP.md、docs/GDPR_RUNBOOK.md、docs/BACKUP_RESTORE_RUNBOOK.md、docs/OBSERVABILITY_GUIDE.md 和 docs/RBAC_GUIDE.md。

🚀 快速开始

想自行托管？ docs/HOSTING_GUIDE.md 介绍了四种真正免费的方案：Oracle Free Tier、Cloudflare Tunnel + 你的硬件（推荐给大多数用户）、GCP 始终免费 方案，以及将 GitHub 仓库用作保险库。通过 OIDC 实现工作区身份验证，以及 将 Drive 用作可移植备份的说明，请参阅 docs/GOOGLE_WORKSPACE_SETUP.md。

安装

pip install memograph

安装可选依赖项：

# For OpenAI support
pip install memograph[openai]

# For Anthropic Claude support
pip install memograph[anthropic]

# For Ollama support
pip install memograph[ollama]

# For embedding support
pip install memograph[embeddings]

# Install everything
pip install memograph[all]

Python 用法

from memograph import MemoryKernel, MemoryType

# Initialize the kernel attached to your vault path
kernel = MemoryKernel("~/my-vault")

# Ingest all notes in the vault
stats = kernel.ingest()
print(f"Indexed {stats['indexed']} memories.")

# Programmatically add a new memory
kernel.remember(
    title="Meeting Note",
    content="Decided to use BFS graph traversal for retrieval.",
    memory_type=MemoryType.EPISODIC,
    tags=["design", "retrieval"]
)

# Retrieve context for an LLM query
context = kernel.context_window(
    query="how does retrieval work?",
    tags=["retrieval"],
    depth=2,
    top_k=8
)

print(context)

🔌 MCP 服务（模型上下文协议）

MemoGraph 提供功能完整的 MCP 服务，可与 Cline 和 Claude Desktop 等 AI 助手无缝集成。

📖 初次接触 MemoGraph MCP？ 请参阅 MCP 用户指南，了解实用的使用说明和示例！

🚨 遇到连接问题？ 请参阅 设置与故障排除指南，了解“无法连接”错误的常见解决方法！

19 种可用工具

类别	工具	描述
搜索	search_vault, query_with_context	语义搜索和上下文检索
创建	create_memory, import_document	添加记忆并导入文档
读取	list_memories, get_memory, get_vault_info	浏览和检索记忆
更新	update_memory	修改现有记忆
删除	delete_memory	按 ID 删除记忆
分析	get_vault_stats	保险库统计数据和洞察
发现	list_available_tools	列出所有可用工具
自主	auto_hook_query, auto_hook_response, configure_autonomous_mode, get_autonomous_config	自主记忆管理
图谱	relate_memories, search_by_graph, find_path	基于图谱的关联与遍历
批量	bulk_create	一次调用创建多条记忆

支持的客户端

MemoGraph 的 MCP 服务是 stdio 服务，可与任何兼容 MCP 的 Agent CLI 或编辑器一同运行。完整的配置指南（配置文件路径、格式差异、验证步骤）请参阅 docs/MCP_CLIENTS.md：

客户端	格式	快速参考
Claude Code（CLI）	mcpServers	claude_code_config.json
Claude Desktop	mcpServers	claude_desktop_config.json
Cline	mcp.servers	cline_config.json
Cursor	mcpServers	cursor_config.json
Windsurf	mcpServers	windsurf_config.json
Continue.dev	experimental.modelContextProtocolServers	continue_config.json
Zed	context_servers	zed_config.json
VS Code（1.99+）	servers	vscode_config.json
Goose（Block）	YAML extensions	goose_config.yaml
Roo Code	mcpServers	roo_code_config.json
Gemini CLI	mcpServers	gemini_cli_config.json
OpenAI Codex CLI	TOML mcp_servers.<name>	codex_config.toml
LM Studio	mcpServers	lm_studio_config.json
Cherry Studio	UI 表单	cherry_studio_config.json
IBM Bob Shell	mcpServers	bob_shell_config.json

启动 MCP 服务

执行 pip install memograph（或 uv tool install memograph）后，以下三个启动命令的效果完全相同：

memograph-mcp                              # console script (recommended)
python -m memograph.mcp.run_server         # module form (works with any Python)
uvx --from memograph memograph-mcp         # zero-install via uv

memograph-mcp 和 memograph 都注册为控制台脚本：前者启动 MCP 服务，后者是 CLI。两者不会冲突。

只读模式

对于共享部署或不受信任的客户端，请设置 MEMOGRAPH_READONLY=true。服务会拒绝所有写入知识库的工具——create_memory、import_document、update_memory、delete_memory、relate_memories、bulk_create、batch_update、batch_delete、import_backup_tool 以及自动保存钩子——并改为返回结构化的 {"success": false, "readonly": true, "error": "..."} 负载。读取工具（search_vault、query_with_context、list_memories、get_memory、分析、图遍历）仍可正常使用。

Claude Desktop 快速设置

将以下内容添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "memograph": {
      "command": "memograph-mcp",
      "env": {
        "MEMOGRAPH_VAULT": "/path/to/your/vault"
      }
    }
  }
}

如果客户端的 PATH 中找不到 memograph-mcp 二进制文件（客户端启动时未加载你的 shell 环境的情况很常见），请改用显式模块形式：

{
  "mcpServers": {
    "memograph": {
      "command": "python",
      "args": ["-m", "memograph.mcp.run_server"],
      "env": {
        "MEMOGRAPH_VAULT": "/path/to/your/vault"
      }
    }
  }
}

Cline 快速设置

将以下内容添加到 ~/.cline/mcp_settings.json：

{
  "mcp": {
    "servers": {
      "memograph": {
        "command": "memograph-mcp",
        "env": {
          "MEMOGRAPH_VAULT": "/path/to/your/vault"
        }
      }
    }
  }
}

有关 Claude Code、Cursor、Windsurf、Continue、Zed、VS Code、Goose、Gemini CLI、Codex CLI、LM Studio、Cherry Studio 和 Bob Shell，请参阅 docs/MCP_CLIENTS.md。

从 MCP Registry 安装

新增：MemoGraph 现已收录于官方 MCP Registry！🎉

Registry URL：https://github.com/modelcontextprotocol/servers/tree/main/src/memograph

pip install memograph

然后将适用于你所用客户端的代码片段放入其配置文件中（参见上表或 docs/MCP_CLIENTS.md）。

在 MCP Registry 中收录的好处：

• ✅ 由 Anthropic、GitHub 和 Microsoft 支持的官方注册表
• ✅ 所有兼容 MCP 的客户端均可发现
• ✅ 经验证的服务卡片和元数据
• ✅ 可直接链接到 PyPI 软件包
• ✅ 受到 MCP 社区信赖

注意：Registry 使用 PyPI 软件包版本。运行 pip install memograph 时，会自动获取 Registry 收录的最新版本。

完整的提交和配置指南请参见 MCP_REGISTRY_GUIDE.md。

使用示例

配置完成后，使用自然语言与 AI 助手交互：

"Search my vault for memories about Python"
"Create a memory titled 'Project Ideas' with content '...'"
"Update memory abc-123 to have salience 0.9"
"Delete memory xyz-456"
"What tools are available?"
"Get vault statistics"

完整的 MCP 配置指南请参见 CONFIG_REFERENCE.md。

使用自动保存钩子

MemoGraph 提供自主钩子，可自动保存对话：

• ⚠️ 重要：钩子是被动工具——请参阅自主钩子指南了解设置方法
• 📝 快速修复：为 Claude Desktop 添加自定义指令（指南中提供了说明）
• 🔧 使用 MEMOGRAPH_AUTONOMOUS_MODE=true 进行配置

阅读完整的自主钩子用户指南 →

🎯 CLI 用法

MemoGraph 附带功能强大的 CLI，可用于管理知识库并与其对话。

导入

将 Markdown 文件索引到图数据库中：

memograph --vault ~/my-vault ingest

强制重新索引所有文件：

memograph --vault ~/my-vault ingest --force

记忆

通过命令行快速添加记忆：

memograph --vault ~/my-vault remember \
    --title "Team Sync" \
    --content "Discussed Q3 goals." \
    --tags planning q3

上下文窗口

为查询生成上下文：

memograph --vault ~/my-vault context \
    --query "What did we decide about the database?" \
    --tags architecture \
    --depth 2 \
    --top-k 5

提问（交互式聊天）

基于知识库上下文开启交互式聊天会话：

memograph --vault ~/my-vault ask --chat --provider ollama --model llama3

或者提出单个问题：

memograph --vault ~/my-vault ask \
    --query "Summarize our design decisions" \
    --provider claude \
    --model claude-3-5-sonnet-20240620

诊断

检查环境以及与大模型提供方的连接：

memograph --vault ~/my-vault doctor

### Import Documents

Import documents (TXT, PDF, DOCX) and convert them to markdown:

```bash
# Import a single file
memograph --vault ~/my-vault import document.pdf --type episodic

# Import entire folder
memograph --vault ~/my-vault import ~/Documents --recursive

# Preview files without importing (dry run)
memograph --vault ~/my-vault import ~/Documents --dry-run

# Auto-ingest after import
memograph --vault ~/my-vault import document.pdf --auto-ingest

批量操作

高效地一次管理多条记忆：

# Bulk create memories from JSON/CSV
memograph --vault ~/my-vault batch-create memories.json

# Bulk update memories by filter
memograph --vault ~/my-vault batch-update \
    --filter-tags outdated \
    --add-tags reviewed \
    --salience 0.8

# Bulk delete with safety checks
memograph --vault ~/my-vault batch-delete \
    --filter-type episodic \
    --filter-max-salience 0.3 \
    --dry-run

数据管理

导出、备份和恢复知识库：

# Export vault to JSON/CSV/Markdown
memograph --vault ~/my-vault export --format json --output backup.json

# Create timestamped backup
memograph --vault ~/my-vault backup --output ./backups

# Restore from backup
memograph --vault ~/my-vault import-backup backup.zip

配置与统计

管理设置并查看知识库分析数据：

# View vault statistics
memograph --vault ~/my-vault stats

# Configure settings
memograph config set embedding_provider openai
memograph config get embedding_provider
memograph config list

# Manage profiles
memograph config profile create work --vault ~/work-vault
memograph config profile use work

MCP 设置

通过交互式向导为 Claude Desktop 或 Cline 配置 MCP 服务：

# Run interactive setup wizard
memograph setup-mcp

# Verify MCP configuration
memograph verify-mcp

**📖 完整 CLI 文档：**详细文档及涵盖全部 24 条命令的 200 多个示例，请参见 CLI 使用指南。

🤖 AI 功能

MemoGraph 包含强大的 AI 功能，可增强知识管理工作流。完整文档请参见 AI 功能指南。

🏷️ AutoTagger — 智能标签建议

通过语义分析、内容结构和现有模式，自动建议相关标签：

# Suggest tags for a note
memograph suggest-tags note.md

# Apply high-confidence suggestions automatically
memograph suggest-tags note.md --apply

# Adjust confidence threshold and limit
memograph suggest-tags note.md --min-confidence 0.5 --max-suggestions 10

**功能：**基于频率的提取 • 语义相似度 • 结构检测 • 模式学习 • 置信度评分

🔗 LinkSuggester — 智能维基链接推荐

通过语义相似度和图分析，智能推荐指向相关笔记的维基链接：

# Suggest links for a note
memograph suggest-links note.md

# Apply suggestions automatically
memograph suggest-links note.md --apply

# Show bidirectional link opportunities
memograph suggest-links note.md --show-bidirectional

**功能：**语义搜索 • 关键词匹配 • 基于图的建议 • 双向检测 • 目标预览

🔍 GapDetector — 知识库分析

识别知识库中缺失的主题、覆盖薄弱的领域和孤立笔记：

# Detect all gaps
memograph detect-gaps

# Focus on high-severity gaps
memograph detect-gaps --min-severity 0.7

# Export results to JSON
memograph detect-gaps --output json > gaps.json

**缺口类型：**缺失主题 • 覆盖薄弱 • 孤立笔记 • 缺失链接

📊 知识分析 — 全面洞察

全面分析整个知识库：

# Full analysis with all features
memograph analyze-knowledge

# Export detailed report to JSON
memograph analyze-knowledge --output json > analysis.json

**分析内容：**知识库统计 • 主题聚类 • 学习路径 • 缺口检测 • 关联分析

AI 功能的 Python API

from memograph import MemoryKernel
from memograph.ai import AutoTagger, LinkSuggester, GapDetector

kernel = MemoryKernel("~/my-vault")
kernel.ingest()

# Get tag suggestions
tagger = AutoTagger(kernel, min_confidence=0.4)
suggestions = await tagger.suggest_tags(
    content="Python is great for data science",
    title="Data Science with Python"
)

# Get link suggestions
suggester = LinkSuggester(kernel, min_confidence=0.5)
links = await suggester.suggest_links(
    content="Python async programming tutorial",
    title="Async Python"
)

# Detect knowledge gaps
detector = GapDetector(kernel, min_severity=0.5)
gaps = await detector.detect_gaps()

# Comprehensive analysis
analysis = await detector.analyze_knowledge_base()

📖 完整文档：

• AI 功能指南 - 包含示例的全面指南
• Web UI 指南 - 在浏览器中使用 AI 功能
• MCP AI 工具指南 - 面向 Claude 和 Cline 的 AI 功能

💡 使用场景： 自动整理笔记 • 发现关联 • 找出缺漏 • 保持一致性 • 构建学习路径

📖 核心概念

记忆类型

MemoGraph 支持受认知科学启发的不同记忆类型：

• 情景记忆：个人经历和事件（例如，会议笔记）
• 语义记忆：事实和通用知识（例如，文档）
• 程序记忆：操作方法和流程知识（例如，教程）
• 事实记忆：离散的事实信息（例如，配置值）

图遍历

该库使用 BFS（广度优先搜索）遍历知识图谱：

# Retrieve nodes with depth=2 (2 hops from seed nodes)
nodes = kernel.retrieve_nodes(
    query="graph algorithms",
    depth=2,  # Traverse up to 2 levels deep
    top_k=10  # Return top 10 relevant memories
)

显著性评分

每条记忆都有一个显著性评分（0.0-1.0），用于表示其重要性：

---
title: "Critical Architecture Decision"
salience: 0.9
memory_type: semantic
---

We decided to use PostgreSQL for better ACID guarantees...

🏗️ 项目结构

MemoGraph/
├── memograph/          # Main package
│   ├── core/           # Core functionality
│   │   ├── kernel.py   # Memory kernel
│   │   ├── graph.py    # Graph implementation
│   │   ├── retriever.py # Hybrid retrieval
│   │   ├── indexer.py  # File indexing
│   │   └── parser.py   # Markdown parsing
│   ├── adapters/       # LLM and embedding adapters
│   │   ├── embeddings/ # Embedding providers
│   │   ├── frameworks/ # Framework integrations
│   │   └── llm/        # LLM providers
│   ├── storage/        # Storage and caching
│   ├── mcp/            # MCP server implementation
│   └── cli.py          # CLI implementation
├── tests/              # Test suite
├── examples/           # Example usage
└── scripts/            # Utility scripts

🤝 贡献

欢迎贡献！详情请参阅贡献指南。

开发环境设置

1. 克隆仓库：

   git clone https://github.com/Indhar01/MemoGraph.git
   cd MemoGraph
   

2. 以开发模式安装：

   pip install -e ".[all,dev]"
   

3. 安装 pre-commit 钩子：

   pre-commit install
   

4. 运行测试：

   pytest
   

代码质量

我们坚持高标准的代码质量：

• Lint 检查：使用 Ruff 快速检查 Python 代码
• 代码格式化：使用 Ruff formatter 保持代码风格一致
• 类型检查：使用 MyPy 进行静态类型分析
• 测试：使用 Pytest 进行全面的测试覆盖
• Pre-commit 钩子：在每次提交前自动运行检查

📚 文档

入门指南

• 托管指南 - 💸 免费托管选项（Oracle Free Tier、Cloudflare Tunnel、GCP、GitHub-vault），附带加固检查清单
• Google Workspace 设置 - 🔐 OIDC 身份验证 + Drive 可移植性备份
• MCP 客户端指南 - 🔌 15+ 个 Agent CLI/编辑器的配置片段（Claude Code、Cursor、Windsurf、Continue、Zed、VS Code、Goose、Gemini CLI、Codex CLI、LM Studio 等）
• MCP 用户指南 - ⭐ 从这里开始！ MemoGraph MCP 完整使用指南
• 设置与故障排除 - 🚨 无法连接？ 连接问题的分步修复指南
• MCP 测试指南 - 设置后测试 MCP 服务

面向开发者和贡献者

• MCP Registry 指南 - 发布到官方 MCP Registry
• 版本策略 - 语义化版本控制与发布规划
• AGENTS.md - AI Agent 使用此代码库的指南
• 贡献指南 - 如何为项目做出贡献
• 行为准则 - 社区准则
• 安全策略 - 安全问题报告与最佳实践
• 变更日志 - 版本历史与变更

🔒 安全

漏洞报告方式请参阅我们的安全策略。

📄 许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。

🌟 致谢

本项目的灵感源于改善大模型应用中的记忆管理需求。项目基于以下内容构建：

• 基于图的知识表示
• 混合检索策略
• 认知科学原理

📬 联系与支持

• 问题：GitHub Issues
• 讨论：GitHub Discussions

📣 社区与反馈

我们重视社区反馈和贡献！以下是参与方式：

报告问题

发现 Bug 或有功能请求？在 GitHub 上提交问题。

讨论

加入 GitHub Discussions 参与交流：

• 提出问题
• 分享用例
• 提出改进建议
• 展示你构建的内容

贡献

欢迎贡献！请参阅我们的贡献指南，了解以下方面的详情：

• 代码贡献
• 文档改进
• Bug 报告和功能请求
• 社区支持

获取最新动态

• ⭐ 在 GitHub 为仓库加星标
• 👁️ 关注更新和发行版本
• 📦 在 PyPI 关注项目
• 🔗 查看 MCP Registry 条目

🚦 状态

当前版本：0.3.0

单租户部署稳定，推荐用于生产环境。 多租户部署的功能已完备，发布前需通过端到端隔离测试； 公共 API 将在 v1.0 时趋于稳定。

• ✅ 核心功能稳定且经过测试（安全、契约和租户测试套件共 172+ 项测试）
• ✅ 使用 MyPy 对整个软件包进行类型检查
• ✅ Ruff lint + format + pre-commit 钩子
• ✅ CI 中包含 OpenAPI v1 契约快照
• ✅ 通过端到端测试套件验证多租户隔离不变量
• ⚠️ v1.0.0 之前，公共 API 可能会在次要版本中发生变化

最近发布的内容

• Phase 3.7 — 符合 GDPR 的计划租户删除：带宽限期的墓碑机制、每日清理器、自动最终备份。
• Phase 3.5 — 将 TenantRegistry 接入请求路径；非管理员路由会按租户解析其内核。
• Phase 3 脚手架 — 多租户 ADR、TenantStorage、TenantRegistry、用于租户生命周期管理的管理员路由。
• Phase 2 — OpenTelemetry + Prometheus、结构化 JSON 日志、并发审计、压力测试。
• Phase 1 — OIDC + API 密钥身份验证、slowapi 速率限制、限制性 CORS、请求大小上限、知识库大小上限、架构版本化缓存、OpenAPI v1 契约、安全测试套件。
• Phase 0 — 防路径遍历的知识库写入、不泄露信息的错误处理程序、固定依赖项、Docker compose、安全 CI 工作流。
• 📦 已发布至官方 MCP Registry（io.github.indhar01/memograph）

---

用 ❤️ 打造，助力更好地管理大模型记忆