mnemex

CortexGraph：AI 的时间记忆

一个模型上下文协议（MCP）服务，为 AI 助手提供类人记忆动态。记忆会随时间自然淡化，除非通过使用得到强化，这模拟了艾宾浩斯遗忘曲线。

说明

关于名称与版本

该项目最初以 mnemex 的名称开发（在 PyPI 上发布至 v0.6.0）。2025 年 11 月，项目转交给 Prefrontal Systems，并更名为 CortexGraph，以更好地体现其在 AI 系统更广泛认知架构中的作用。

cortexgraph 软件包的版本号从 0.1.0 开始，以表明新名称下的全新起点，同时也承认它继承了 mnemex 成熟且经过充分测试的代码库（791 项测试，覆盖率超过 98%）。mnemex 软件包在 PyPI 上停留于 v0.6.0，不再更新。

这种版本策略：

• 向发现 cortexgraph 的 PyPI 用户表明这是一个“新软件包”
• 在 1.0 版本之前，为品牌、API 和组织集成的演进留出空间
• 保持连续性：用户可以从 pip install mnemex 迁移到 pip install cortexgraph
• 反映出代码虽已成熟，但 CortexGraph 这一身份才刚刚起步

重要

🔬 研究项目——不适用于生产环境

本软件是用于研究的**概念验证（PoC）**和参考实现，旨在验证认知架构与 AI 安全领域的理论框架（具体包括 STOPPER Protocol 和 CortexGraph）。

**它不是商业产品。**它不以一般生产用途为目标进行维护，可能包含破坏性变更，也不对稳定性或支持作出任何保证。你可以用它研究相关概念，但生产实现应由你自行构建。

**📖 初次了解本项目？**请从 ELI5 指南开始，了解本项目的功能和使用方法。

什么是 CortexGraph？

CortexGraph 为 Claude 等 AI 助手提供类人的记忆系统。

问题

你和 Claude 聊天时，它会忘记不同对话之间的所有内容。你告诉它“我偏好 TypeScript”或“我对花生过敏”，三天后又得重复一遍。这令人沮丧，也浪费时间。

CortexGraph 的功能

CortexGraph 让 AI 助手像人类记忆一样自然地记住事情：

• 🧠 记住重要内容——你的偏好、决定和重要事实
• ⏰ 自然遗忘——陈旧且未使用的信息会随时间淡化（就像艾宾浩斯遗忘曲线）
• 💪 越用越牢——你越频繁地提及某件事，它记住的时间就越长
• 📦 永久保存重要内容——频繁使用的记忆会被提升至长期存储

工作原理（简明版）

1. 自然地交流——“我喜欢所有应用都使用深色模式”
2. 自动保存记忆——无需特殊命令
3. 时间流逝——如果不使用，记忆会逐渐淡化
4. 再次提及——“把这个应用设为深色模式”
5. 记忆变得更牢固——现在它能保持更久
6. 重要记忆会被提升——使用 5 次以上？永久保存到你的 Obsidian 知识库

没有抽认卡。无需专门复习。只需自然对话。

有何不同

大多数记忆系统都很笨：

• ❌ “7 天后删除”（不管你是否用过 100 次）
• ❌ “保留最近 100 项”（仅仅因为内容旧就丢掉重要信息）

CortexGraph 很聪明：

• ✅ 结合新近度（何时使用？）、频率（使用多频繁？）和重要性（有多关键？）
• ✅ 像人类记忆一样自然淡化
• ✅ 常用记忆会保留更久
• ✅ 你可以将关键内容标记为“永不遗忘”

技术概览

此代码库包含一套短期记忆系统的研究、设计和完整实现，该系统结合了：

• 基于认知科学的新型时间衰减算法
• 通过使用模式实现的强化学习
• 用于工作记忆和永久记忆的双层架构（STM + LTM）
• 用于自然集成 LLM 的智能提示模式
• 使用易读 JSONL 的Git 友好型存储
• 包含实体和关系的知识图谱

模块组织

CortexGraph 采用模块化架构：

• cortexgraph.core：基础算法（衰减、相似度、聚类、整合、搜索验证）
• cortexgraph.agents：多 Agent 整合流程和存储工具
• cortexgraph.storage：支持批量操作的 JSONL 和 SQLite 存储后端
• cortexgraph.tools：MCP 工具实现

为什么选择 CortexGraph？

🔒 隐私与透明度

所有数据都存储在你的计算机本地——不使用云服务、不进行跟踪、不共享数据。

• 短期记忆：

  • JSONL（默认）：易读、Git 友好的文件（~/.config/cortexgraph/jsonl/）
  • SQLite：适合较大数据集的可靠数据库存储（~/.config/cortexgraph/cortexgraph.db）

• 长期记忆：针对 Obsidian 优化的 Markdown 文件

  • 包含元数据的 YAML frontmatter
  • 用于建立关联的 Wiki 链接
  • 由你掌控的永久存储

• 导出：内置工具，可将记忆导出为 Markdown，方便移植。

你的数据归你所有。无需任何特殊工具，你就能读取、编辑、删除数据或进行版本控制。

核心算法

时间衰减评分函数：

$$ \Large \text{score}(t) = (n_{\text{use}})^\beta \cdot e^{-\lambda \cdot \Delta t} \cdot s $$

其中：

• $\large n_{\text{use}}$ - 使用次数（访问次数）
• $\large \beta$（beta）- 使用次数的次线性权重（默认值：0.6）
• $\large \lambda = \frac{\ln(2)}{t_{1/2}}$（lambda）- 衰减常数；通过半衰期设置（默认值：3-day）
• $\large \Delta t$ - 距上次访问的时间（秒）
• $\large s$ - 强度参数 $\in [0, 2]$（重要性乘数）

阈值：

• $\large \tau_{\text{forget}}$（默认值 0.05）——如果 score < 此值，则遗忘
• $\large \tau_{\text{promote}}$（默认值 0.65）——如果 score ≥ 此值，则提升（或者如果 $\large n_{\text{use}}\ge5$ 且在 14 天内）

衰减模型：

• 幂律（默认）：长尾效应更强；保留方式最接近人类记忆
• 指数：长尾效应较弱；遗忘更快
• 双组分：前期快速遗忘 + 更强的长尾效应

有关详细参数说明、模型选择和示例，请参阅 docs/scoring_algorithm.md。

调优速查表

• 均衡（默认）
  • 半衰期：3 天（λ ≈ 2.67e-6）
  • β = 0.6，τ_forget = 0.05，τ_promote = 0.65，14 天内 use_count≥5
  • 强度：1.0（关键记忆可提高至 1.3–2.0）
• 高速变化的上下文（临时笔记、频繁切换）
  • 半衰期：12–24 小时（λ ≈ 1.60e-5 至 8.02e-6）
  • β = 0.8–0.9，τ_forget = 0.10–0.15，τ_promote = 0.70–0.75
• 长期保留（研究/归档）
  • 半衰期：7–14 天（λ ≈ 1.15e-6 至 5.73e-7）
  • β = 0.3–0.5，τ_forget = 0.02–0.05，τ_promote = 0.50–0.60
• 偏好/决策较多的助手
  • 半衰期：3–7 天；β = 0.6–0.8
  • 强度默认值：偏好为 1.3–1.5；决策为 1.8–2.0
• 积极控制空间占用
  • 将 τ_forget 提高至 0.08–0.12 和/或缩短半衰期；安排每周执行 GC
• 环境变量模板
  • CORTEXGRAPH_DECAY_LAMBDA=2.673e-6, CORTEXGRAPH_DECAY_BETA=0.6
  • CORTEXGRAPH_FORGET_THRESHOLD=0.05, CORTEXGRAPH_PROMOTE_THRESHOLD=0.65
  • CORTEXGRAPH_PROMOTE_USE_COUNT=5, CORTEXGRAPH_PROMOTE_TIME_WINDOW=14

决策阈值：

• 忘记：$\text{score} < 0.05$ → 删除记忆
• 提升：$\text{score} \geq 0.65$ 或 14 天内 $n_{\text{use}} \geq 5$ → 移至 LTM

核心创新

1. 带强化机制的时间衰减

与传统缓存（TTL、LRU）不同，Mnemex 会持续为记忆评分，将近期性（指数衰减）、频率（次线性使用次数）和重要性（可调整强度）结合起来。数学公式请参阅核心算法。这使记忆动态与人类认知高度相似。

2. 智能提示词系统 + 自然语言激活（v0.6.0+）

让 AI 助手自然使用记忆的模式，现已增强自动实体提取和重要性评分功能：

自动增强（v0.6.0 新增）

保存记忆时，CortexGraph 会自动：

• 使用 spaCy NER 提取实体（人物、技术、组织）
• 根据内容标记计算重要性/强度
• 从自然语言短语中检测保存/回忆意图

# Before v0.6.0 - manual entity specification
save_memory(content="Use JWT for auth", entities=["JWT", "auth"])

# v0.6.0+ - automatic extraction
save_memory(content="Use JWT for auth")
# Entities auto-extracted: ["jwt", "auth"]
# Strength auto-calculated based on content

自动保存

User: "Remember: I prefer TypeScript over JavaScript"
→ Detected save phrase: "Remember"
→ Automatically saved with:
   - Entities: [typescript, javascript]
   - Strength: 1.5 (importance marker detected)
   - Tags: [preferences, programming]

自动回忆

User: "What did I say about TypeScript?"
→ Detected recall phrase: "what did I say about"
→ Automatically searches for TypeScript memories
→ Retrieves preferences and conventions

自动强化

User: "Yes, still using TypeScript"
→ Memory strength increased, decay slowed

决策支持工具（v0.6.0+）

两个新工具可帮助 Claude 决定何时保存/回忆：

• analyze_message - 检测值得记忆的内容，并建议实体和强度
• analyze_for_recall - 检测回忆意图，并建议搜索查询

无需显式的记忆命令——只需自然对话。

3. 自然间隔重复

灵感来自概念在不同情境中自然得到强化的方式（即“马斯洛效应”——当马斯洛需求层次理论出现在历史学、经济学和社会学课程中时，人们会记得更牢）。

无需抽认卡。无需专门的复习环节。只需自然对话。

工作原理：

1. 复习优先级计算 - “危险区”（衰减分数为 0.15-0.35）中的记忆优先级最高
2. 跨领域检测 - 检测记忆是否在不同情境中使用（标签 Jaccard 相似度 <30%）
3. 自动强化 - 记忆在使用时自然增强，尤其是在跨领域使用时
4. 混合搜索 - 复习候选项占搜索结果的 30%（可配置）

使用模式：

User: "Can you help with authentication in my API?"
→ System searches, retrieves JWT preference memory
→ System uses memory to answer question
→ System calls observe_memory_usage with context tags [api, auth, backend]
→ Cross-domain usage detected (original tags: [security, jwt, preferences])
→ Memory automatically reinforced, strength boosted
→ Next search naturally surfaces memories needing review

配置：

CORTEXGRAPH_REVIEW_BLEND_RATIO=0.3           # 30% review candidates in search
CORTEXGRAPH_REVIEW_DANGER_ZONE_MIN=0.15      # Lower bound of danger zone
CORTEXGRAPH_REVIEW_DANGER_ZONE_MAX=0.35      # Upper bound of danger zone
CORTEXGRAPH_AUTO_REINFORCE=true              # Auto-reinforce on observe

请参阅 docs/prompts/，了解可启用自然记忆使用的 LLM 系统提示词模板。

4. 双层架构

graph TD
    STM["<b>Short-Term Memory</b><br/>- JSONL storage<br/>- Temporal decay<br/>- Hours to weeks retention"]
    LTM["<b>LTM (Long-Term Memory)</b><br/>- Markdown files Obsidian<br/>- Permanent storage<br/>- Git version control"]
    
    STM -->|Automatic promotion| LTM
    
    style STM fill:#e1f5ff,stroke:#01579b,stroke-width:2px
    style LTM fill:#f3e5f5,stroke:#4a148c,stroke-width:2px

5. 多 Agent 整合流水线

通过五个专用 Agent 自动维护记忆：

graph LR
    decay["<b>DecayAnalyzer</b><br/>Find at-risk<br/>memories"]
    cluster["<b>ClusterDetector</b><br/>Find similar<br/>groups"]
    merge["<b>SemanticMerge</b><br/>Combine<br/>similar groups"]
    promote["<b>LTMPromoter</b><br/>Promote<br/>to LTM"]
    relations["<b>RelationshipDiscovery</b><br/>Discover cross-<br/>domain links"]
    
    decay --> cluster
    cluster --> merge
    merge --> promote
    promote --> relations
    relations -.->|feedback| decay
    
    style decay fill:#ffebee,stroke:#b71c1c,stroke-width:2px
    style cluster fill:#fff3e0,stroke:#e65100,stroke-width:2px
    style merge fill:#f3e5f5,stroke:#4a148c,stroke-width:2px
    style promote fill:#e8f5e9,stroke:#1b5e20,stroke-width:2px
    style relations fill:#e1f5fe,stroke:#01579b,stroke-width:2px

五个 Agent：

Agent	用途
DecayAnalyzer	找出有遗忘风险的记忆（危险区：0.15-0.35）
ClusterDetector	使用嵌入相似度对相似记忆进行分组
SemanticMerge	智能合并聚类后的记忆，同时保留独特信息
LTMPromoter	将高价值记忆移至永久 Obsidian 存储
RelationshipDiscovery	通过共享实体发现跨领域关联

主要功能：

• 试运行模式：预览更改而不修改数据
• 速率限制：可配置每分钟的操作次数（默认：60）
• 审计记录：通过 beads 问题跟踪记录每项决策
• 人工覆盖：执行前审核并批准决策

用法：

from cortexgraph.agents import Scheduler

# Preview what would change (dry run)
scheduler = Scheduler(dry_run=True)
preview = scheduler.run_pipeline()

# Run full pipeline
scheduler = Scheduler(dry_run=False)
results = scheduler.run_pipeline()

# Run single agent
decay_results = scheduler.run_agent("decay")

CLI：

# Dry run (preview)
cortexgraph-consolidate --dry-run

# Run specific agent
cortexgraph-consolidate --agent decay --dry-run

# Scheduled execution (with interval)
cortexgraph-consolidate --scheduled --interval-hours 1

请参阅 docs/agents.md，了解完整文档，包括配置、beads 集成和故障排除。

快速开始

安装

推荐：UV Tool Install（来自 PyPI）

# Install from PyPI (recommended - fast, isolated, includes all 7 CLI commands)
uv tool install cortexgraph

这会在隔离环境中安装 cortexgraph 和全部 7 个 CLI 命令。

其他安装方法

# Using pipx (similar isolation to uv)
pipx install cortexgraph

# Using pip (traditional, installs in current environment)
pip install cortexgraph

# From GitHub (latest development version)
uv tool install git+https://github.com/simplemindedbot/cortexgraph.git

用于开发（可编辑安装）

# Clone and install in editable mode
git clone https://github.com/simplemindedbot/cortexgraph.git
cd cortexgraph
uv pip install -e ".[dev]"

配置

重要：配置位置取决于安装方法：

方法 1：.env 文件（适用于所有安装方法）

创建 ~/.config/cortexgraph/.env：

# Create config directory
mkdir -p ~/.config/cortexgraph

# Option A: Copy from cloned repo
cp .env.example ~/.config/cortexgraph/.env

# Option B: Download directly
curl -o ~/.config/cortexgraph/.env https://raw.githubusercontent.com/simplemindedbot/cortexgraph/main/.env.example

使用你的设置编辑 ~/.config/cortexgraph/.env：

# Storage
CORTEXGRAPH_STORAGE_PATH=~/.config/cortexgraph/jsonl

# Decay model (power_law | exponential | two_component)
CORTEXGRAPH_DECAY_MODEL=power_law

# Power-law parameters (default model)
CORTEXGRAPH_PL_ALPHA=1.1
CORTEXGRAPH_PL_HALFLIFE_DAYS=3.0

# Exponential (if selected)
# CORTEXGRAPH_DECAY_LAMBDA=2.673e-6  # 3-day half-life

# Two-component (if selected)
# CORTEXGRAPH_TC_LAMBDA_FAST=1.603e-5  # ~12h
# CORTEXGRAPH_TC_LAMBDA_SLOW=1.147e-6  # ~7d
# CORTEXGRAPH_TC_WEIGHT_FAST=0.7

# Common parameters
CORTEXGRAPH_DECAY_LAMBDA=2.673e-6
CORTEXGRAPH_DECAY_BETA=0.6

# Thresholds
CORTEXGRAPH_FORGET_THRESHOLD=0.05
CORTEXGRAPH_PROMOTE_THRESHOLD=0.65

# Long-term memory (optional)
LTM_VAULT_PATH=~/Documents/Obsidian/Vault

cortexgraph 查找 .env 文件的位置：

1. 主要位置：~/.config/cortexgraph/.env ← uv tool install / uvx 请使用此位置
2. 备用位置：./.env（当前目录）← 仅适用于可编辑安装

MCP 配置

推荐：使用绝对路径（适用于所有环境）

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "cortexgraph": {
      "command": "/Users/yourusername/.local/bin/cortexgraph"
    }
  }
}

查找你的实际路径：

which cortexgraph
# Example output: /Users/yourusername/.local/bin/cortexgraph

在配置中使用该路径。将 yourusername 替换为你的实际用户名。

为什么使用绝对路径？ Claude Desktop 等 GUI 应用不会继承 shell 的 PATH 配置（.zshrc、.bashrc）。使用完整路径可确保始终正常运行。

用于开发（可编辑安装）：

{
  "mcpServers": {
    "cortexgraph": {
      "command": "uv",
      "args": ["--directory", "/path/to/cortexgraph", "run", "cortexgraph"],
      "env": {"PYTHONPATH": "/path/to/cortexgraph/src"}
    }
  }
}

配置可从项目目录中的 ./.env 或 ~/.config/cortexgraph/.env 加载。

故障排除：找不到命令

如果 Claude Desktop 显示 spawn cortexgraph ENOENT 错误，说明 Claude Desktop 的 PATH 中没有 cortexgraph 命令。

macOS/Linux：GUI 应用不会继承 shell PATH

macOS 和 Linux 上的 GUI 应用看不到 shell 的 PATH 配置（.zshrc、.bashrc 等）。Claude Desktop 只会搜索：

• /usr/local/bin
• /opt/homebrew/bin（macOS）
• /usr/bin
• /bin
• /usr/sbin
• /sbin

如果 uv tool install 将 cortexgraph 安装到了 ~/.local/bin/ 或其他自定义位置，Claude Desktop 就无法找到它。

解决方案：使用绝对路径

# Find where cortexgraph is installed
which cortexgraph
# Example output: /Users/username/.local/bin/cortexgraph

使用绝对路径更新你的 Claude 配置：

{
  "mcpServers": {
    "cortexgraph": {
      "command": "/Users/username/.local/bin/cortexgraph"
    }
  }
}

将 /Users/username/.local/bin/cortexgraph 替换为 which cortexgraph 显示的实际路径。

维护

使用维护 CLI 检查并压缩 JSONL 存储：

# Show storage stats (active counts, file sizes, compaction hints)
cortexgraph-maintenance stats

# Compact JSONL (rewrite without tombstones/duplicates)
cortexgraph-maintenance compact

迁移到 UV Tool Install

如果你目前使用可编辑安装（uv pip install -e .），可以切换到更简单的 UV tool install：

# 1. Uninstall editable version
uv pip uninstall cortexgraph

# 2. Install as UV tool
uv tool install git+https://github.com/simplemindedbot/cortexgraph.git

# 3. Update Claude Desktop config to just:
#    {"command": "cortexgraph"}
#    Remove the --directory, run, and PYTHONPATH settings

你的数据是安全的！ 这只会改变命令的安装方式。~/.config/cortexgraph/ 中的记忆不会受到影响。

CLI 命令

该服务包含 7 个命令行工具：

cortexgraph                  # Run MCP server
cortexgraph-migrate          # Migrate from old STM setup
cortexgraph-index-ltm        # Index Obsidian vault
cortexgraph-backup           # Git backup operations
cortexgraph-vault            # Vault markdown operations
cortexgraph-search           # Unified STM+LTM search
cortexgraph-maintenance      # JSONL storage stats and compaction

可视化

使用 PyVis 进行交互式图可视化：

# Install visualization dependencies
pip install "cortexgraph[visualization]"
# or with uv
uv pip install "cortexgraph[visualization]"

# Or install dependencies manually
pip install pyvis networkx

# Generate interactive HTML visualization
python scripts/visualize_graph.py

# Custom output location
python scripts/visualize_graph.py --output ~/Desktop/memory_graph.html

# Custom data paths
python scripts/visualize_graph.py --memories ~/data/memories.jsonl --relations ~/data/relations.jsonl

功能：

• 支持平移和缩放的交互式网络图
• 根据状态显示节点颜色（活跃=蓝色，已提升=绿色，已归档=灰色）
• 根据使用次数确定节点大小
• 根据关系类型显示边的颜色
• 悬停提示显示完整内容、标签和实体
• 可调整布局的物理控制项

可视化会直接读取 JSONL 文件，并生成一个可在任意浏览器中打开的独立 HTML 文件。

MCP 工具

用于帮助 AI 助手管理记忆的 13 个工具：

工具	用途
save_memory	使用标签和实体保存新记忆（v0.6.0+ 中自动丰富信息）
search_memory	使用筛选条件和评分进行搜索（包含待审核候选项）
search_unified	跨 STM + LTM 统一搜索
touch_memory	强化记忆（提升强度）
observe_memory_usage	记录记忆使用情况，以实现自然的间隔重复
analyze_message	✨ 全新 v0.6.0 - 检测值得记忆的内容，并建议实体/强度
analyze_for_recall	✨ 全新 v0.6.0 - 检测回忆意图，并建议搜索查询
gc	清理低评分记忆
promote_memory	移至长期存储
cluster_memories	查找相似记忆
consolidate_memories	合并相似记忆（算法方式）
read_graph	获取整个知识图谱
open_memories	获取指定记忆
create_relation	显式关联记忆

示例：统一搜索

使用 CLI 跨 STM 和 LTM 进行搜索：

cortexgraph-search "typescript preferences" --tags preferences --limit 5 --verbose

示例：强化（触碰）记忆

提高记忆的新近度/使用次数，以减缓衰减：

{
  "memory_id": "mem-123",
  "boost_strength": true
}

示例响应：

{
  "success": true,
  "memory_id": "mem-123",
  "old_score": 0.41,
  "new_score": 0.78,
  "use_count": 5,
  "strength": 1.1
}

示例：提升记忆

建议并将高价值记忆提升至 Obsidian 保管库。

自动检测（试运行）：

{
  "auto_detect": true,
  "dry_run": true
}

提升指定记忆：

{
  "memory_id": "mem-123",
  "dry_run": false,
  "target": "obsidian"
}

作为 MCP 工具（请求正文）：

{
  "query": "typescript preferences",
  "tags": ["preferences"],
  "limit": 5,
  "verbose": true
}

示例：整合相似记忆

查找并合并重复或高度相似的记忆，以减少杂乱：

自动检测候选项（预览）：

{
  "auto_detect": true,
  "mode": "preview",
  "cohesion_threshold": 0.75
}

对检测到的集群执行整合：

{
  "auto_detect": true,
  "mode": "apply",
  "cohesion_threshold": 0.80
}

该工具将：

• 智能合并内容（保留独特信息）
• 合并标签和实体（取并集）
• 根据集群凝聚度计算强度
• 保留最早的 created_at 和最新的 last_used 时间戳
• 创建跟踪关系，展示整合历史

数学细节

衰减曲线

对于 $n_{\text{use}}=1$、$s=1.0$ 且 $\lambda = 2.673 \times 10^{-6}$（3 天半衰期）的记忆：

时间	分数	状态
0 小时	1.000	新鲜
12 小时	0.917	活跃
1 天	0.841	活跃
3 天	0.500	半衰期
7 天	0.210	衰减中
14 天	0.044	接近遗忘
30 天	0.001	已遗忘

使用次数的影响

当 $\beta = 0.6$（次线性加权）时：

使用次数	增益因子
1	1.0×
5	2.6×
10	4.0×
50	11.4×

频繁访问可显著延长记忆保留时间。

文档

• MCP 工具参考 - 全面介绍全部 18 个 MCP 工具
• API 快速参考 - 精简的工具签名和使用示例
• 评分算法 - 完整的数学模型和 LaTeX 公式
• 智能提示 - 自然集成大模型的模式
• 架构 - 系统设计和实现
• 多 Agent 系统 - 整合 Agent 和流水线架构
• Bear 集成 - 使用 Bear 应用作为 LTM 存储的指南
• 图谱功能 - 知识图谱的使用方法

使用场景

个人助手（均衡）

• 3 天半衰期
• 记住偏好和决策
• 自动提升经常被引用的信息

开发环境（激进）

• 半衰期为 1 天
• 快速切换上下文
• 激进地遗忘旧上下文

研究 / 归档（保守）

• 半衰期为 14 天
• 长期保留
• 全面保存知识

许可证

AGPL-3.0 许可证 - 详情请参阅 LICENSE。

本项目采用 GNU Affero 通用公共许可证 v3.0，该许可证要求：将本软件用于提供网络服务时，必须以源代码形式提供对本软件所作的修改。

相关项目

• Model Context Protocol - MCP 规范
• 艾宾浩斯遗忘曲线 - 认知科学基础
• Basic Memory - 集成层的主要灵感来源。CortexGraph 在此概念上扩展，加入了艾宾浩斯遗忘曲线、时间衰减算法、以 JSONL 存储的短期记忆，以及自然间隔重复。
• 其他研究灵感来源：mem0、Neo4j Graph Memory

引用

如果你在研究中使用了本项目，请引用：

@software{cortexgraph_2025,
  title = {Mnemex: Temporal Memory for AI},
  author = {simplemindedbot},
  year = {2025},
  url = {https://github.com/simplemindedbot/cortexgraph},
  version = {0.5.3}
}

贡献

欢迎贡献！详细说明请参阅 CONTRIBUTING.md。

🚨 需要帮助：Windows 和 Linux 测试人员！

我在 macOS 上进行开发，需要帮助在 Windows 和 Linux 上测试。如果你可以使用这些平台，请：

• 尝试安装说明
• 运行测试套件
• 报告哪些内容可用、哪些不可用

详情请参阅 CONTRIBUTING.md 中的需要帮助部分。

常规贡献

所有贡献者请参阅 CONTRIBUTING.md，了解：

• 特定平台的设置（Windows、Linux、macOS）
• 开发工作流
• 测试指南
• 代码风格要求
• 拉取请求流程

快速开始：

1. 阅读 CONTRIBUTING.md 了解特定平台的设置
2. 了解架构文档
3. 查看评分算法
4. 遵循现有代码模式
5. 为新功能添加测试
6. 更新文档

状态

版本： 1.0.0 状态： 研究实现版——功能可用，仍在持续演进

阶段 1（已完成）✅

• 14 个 MCP 工具
• 时间衰减算法
• 知识图谱

阶段 2（已完成）✅

• JSONL 存储
• LTM 索引
• Git 集成
• 智能提示词文档
• 维护 CLI
• 记忆整合（算法式合并）

阶段 3（已完成）✅

• 多 Agent 整合流水线
  • DecayAnalyzer、ClusterDetector、SemanticMerge、LTMPromoter、RelationshipDiscovery
  • 用于编排的调度器
  • Beads 问题跟踪集成
  • 支持试运行和速率限制
• 自然语言激活（v0.6.0+）
• 实体提取自动增强

未来工作

• 自适应衰减参数
• 性能基准测试
• 大模型辅助整合（可选增强）

---

使用以下工具构建： Claude Code 🤖