BrainDB 智能记忆库

为 LLM Agent 提供可检索、可关联并能随时间演化的持久记忆。

Star 数
★ 117
最近更新
1 个月前
License
Apache-2.0
主语言
Python

30 秒速览

运行形态
自托管服务网页应用Agent 插件 / 技能
可在哪里用
通用 · 跨平台Claude CodeOpenAI API(部分支持)
费用
软件免费,模型调用费用自付
上手难度
中 · 需要几步配置
开始前需要
Docker Compose v2.20+启用 pg_trgm 和 pgvector 扩展的 PostgreSQL内部 Agent 所需的 LLM 提供商凭据Shell / 命令行网络访问本地文件系统
典型场景
需要为多个 LLM Agent 保存可追溯事实和推论的团队,可通过 REST API 读写持久记忆。
不适合
  • 需要完全托管式云服务的团队
  • 要求数据始终留在本机且不调用远程模型的团队
维护状态
近半年有提交最近提交 2026-10-12最新版本 v0.11.1(2026-10-12)

这个 Agent 能做什么,适合哪些场景?

BrainDB 是一套以 PostgreSQL 为基础的记忆数据库和 REST API,存储 thought、fact、source、datasource 与 rule 等类型化实体及其关系。FastAPI 服务提供实体管理、模糊与语义检索、最多三跳的图遍历、时间衰减和规则注入接口。内置 Agent 基于 OpenAI Agents SDK,通过 /api/v1/agent/query 接收自然语言请求,并可配置 DeepInfra、NVIDIA NIM 或其他 OpenAI 兼容服务。Docker Compose 还可运行 watcher 自动摄取文件、wiki_scheduler 自动整理知识图谱,以及只读浏览器前端。数据和服务部署在用户自己的 Docker/PostgreSQL 环境中;使用内置 Agent 时,模型请求会发送到配置的模型服务。

通过 /api/v1/entities/thoughts、/facts、/sources、/datasources 和 /rules 创建实体,并用 /api/v1/relations 建立关系。POST /api/v1/memory/context 将关键词的 pg_trgm 模糊匹配与嵌入向量语义匹配合并,沿关系扩展最多三跳,对结果排序并注入 always-on 规则。将文件放入 data/sources/ 后,watcher 会分块提取事实并通过 derived_from 关系关联来源;wiki_scheduler 会发现未覆盖实体并维护带来源依据的 wiki 页面。调用 /api/v1/agent/query 可让内置 Agent 选择工具完成查询或保存并返回摘要;只读前端提供 wiki 阅读、图谱浏览、运维观察和提问入口。

  1. 需要为多个 LLM Agent 保存可追溯事实和推论的团队,可通过 REST API 读写持久记忆。
  2. 需要从 Markdown 文档自动抽取原子事实并保留来源链路的研究人员,可将文件放入 data/sources/。
  3. 需要按关键词和关联关系找回信息的产品或运营团队,可调用 /api/v1/memory/context 获取排序后的图谱邻域。
  4. 希望用自然语言而非逐个编排接口来查询或更新记忆的用户,可调用 /api/v1/agent/query。
  5. 需要自动把积累的知识整理为带依据 wiki 页面的团队,可启用 wiki_scheduler 并通过前端检查结果。

安装与配置要点

摘自下方的安装和使用说明,以项目 README 的最新说明为准。

安装 / 启动命令
  • docker compose up -d --build
端口
8000 · 8642
环境变量
LLM_PROFILE DEEPINFRA_API_KEY DATABASE_URL
配置文件
.env.example .env
安装说明涉及
Docker

如何安装或部署这个 Agent?

需要 Docker Desktop 或 Docker Engine,以及 Compose v2.20+。默认配置会启动内置 PostgreSQL;使用内部 Agent 时还需为所选模型服务配置凭据。以下命令启动 API、watcher、wiki_scheduler、前端和默认数据库:

git clone https://github.com/dimknaf/braindb.git
cd braindb
cp .env.example .env

在 .env 中选择默认的 LLM_PROFILE=deepinfra 并填写 DEEPINFRA_API_KEY,或配置其他受支持的提供商。然后创建网络并启动:

docker network create local-network
docker compose up -d --build

健康检查地址是 http://localhost:8000/health,API 文档在 /docs,只读前端默认位于 http://localhost:8642。若连接外部 PostgreSQL,需要提供 DATABASE_URL,并确保数据库启用了 pg_trgm 和 pgvector。

如何使用这个 Agent?

API 默认地址为 http://localhost:8000。调用 /api/v1/agent/query 以自然语言提交查询;例如:

curl -X POST http://localhost:8000/api/v1/agent/query \\
  -H "Content-Type: application/json" \\
  -d '{"query":"What do you know about recent projects?"}'

可将 Markdown 文件放入 data/sources/,由 watcher 自动摄取;也可调用 /api/v1/memory/context 直接检索,或使用实体和关系端点读写数据。前端可在 http://localhost:8642 打开。Claude Code 用户还可安装仓库提供的 skills/braindb/SKILL.md 或 skills/braindb-agent/SKILL.md 技能。

这个 Agent 有哪些优点和局限?

优点
  • 以 PostgreSQL、pg_trgm 和 pgvector 实现文本与语义检索,无需另行运维专用图数据库。
  • 类型化实体、来源信息和明确关系支持溯源;检索可扩展图邻域并考虑时间衰减。
  • 提供 REST API、自然语言内部 Agent、自动文件摄取和 wiki 维护等多种工作流。
  • LLM 配置支持 DeepInfra、NVIDIA NIM 和 OpenAI 兼容端点,也可指向本地 vLLM 服务。
局限
  • 需要部署 Docker Compose 服务和 PostgreSQL 环境;默认启动还要求预先创建 local-network。
  • 内置 Agent、文件摄取和 wiki 维护会调用配置的 LLM 服务,可能产生 API 费用;本地模型需自行运行并配置。
  • 外部 PostgreSQL 必须启用 pg_trgm 与 pgvector,首次迁移还需要创建扩展的权限或由管理员预装。
  • README 没有说明认证、授权或多租户隔离方案,不适合仅凭现有资料判断其对外暴露 API 的安全边界。

这个 Agent 与同类方案有什么区别?

README 将 BrainDB 与 RAG、Neo4j/Memgraph 等通用图数据库及 Markdown 文件记忆作比较:它强调持久类型化实体、关系、图邻域检索和时间衰减;相对通用图数据库,它以 HTTP API 和 PostgreSQL 扩展为主要部署方式。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
BrainDB 智能记忆库 当前 59 · 缺口较多 自托管服务免费 + 模型费 ★ 117 1 个月前 Python Claude Code
SimpleMem:LLM 智能体的高效终身记忆系统 47 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 3.9k 4 个月前 Python ChatGPT · Claude Code
qKnow 企业知识智能平台 43 · 缺口较多 自托管服务免费版 + 付费版 ★ 300 4 天前 Java —
Mnemosyne 71 · 存在缺口 命令行工具免费 ★ 3.7k 2 天前 Python Codex · Claude Code

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
59/ 100 五分制 3.0 / 5
信任安全 13/29
可靠稳定 8/14
适用触发 12/18
规范维护 13/18
有效结果 9/13
证据核验 4/8
查看各维度的扣分理由
信任安全13 / 29 · 2.2/5

仓库展示了可配置的模型后端、环境变量密钥、活动日志、只读 SQL,以及文件导入失败隔离和 wiki 任务恢复,因此数据流与部分恢复路径较清楚;实体来源也区分 user-stated、agent-inference、document、third-party。但 agent 工具包含删除、写入和自动后台摄取/维护,技能还提供自动启动指令,证据未显示这些操作有逐次用户确认或严格权限隔离;敏感数据保留、传输与删除策略也未说明。依赖版本有固定,但没有安全审计或漏洞缓解证据;来源标注支持追溯,却不证明内容正确。

可靠稳定8 / 14 · 2.9/5

版本号、配置测试、CI 工作流、隔离测试栈及启动时任务恢复逻辑为可靠性提供了部分支撑,错误路径会记录失败并返回明确 HTTP 错误。扣分原因是 README 中 braindb-agent 技能所述默认模型与其表格/其他材料不一致,且 README 所称 21 个工具与源码列表可能不是同一计数口径;远端模型与数据库可用性依赖外部服务,常规模型调用测试也明确可能缓慢或不稳定。

适用触发12 / 18 · 3.3/5

README 和技能清楚面向开发者、Claude Code、外部 LLM 客户端,并覆盖本地及托管 OpenAI 兼容服务、容器数据库和自有 PostgreSQL;API 与 agent 两种路径也有场景说明。扣分原因是技能的广泛触发描述(每次会话及个人信息)较宽,而工具权限边界、操作确认和不同部署环境的安全配置说明不够完整。

规范维护13 / 18 · 3.6/5

仓库有分层结构说明、端点表、安装与验证步骤、多个 curl 示例、故障处理提示、明确 Apache-2.0 许可证和包版本。扣分原因是版本变更历史在所给材料中不明显,发布者身份未知,且材料没有明确维护团队或支持/更新责任;README 与技能默认模型描述存在冲突。

有效结果9 / 13 · 3.5/5

类型化实体、图关系、语义与模糊检索、时间衰减、HTTP API、内置 agent 和 wiki 维护共同构成超出普通检索的功能,且示例展示了可直接使用的端点与命令。扣分原因是自动 watcher 和 scheduler 会持续调用 LLM,成本控制主要靠停用服务或使用本地模型,材料未显示默认预算上限或逐次成本批准;结果质量与工作流收益主要由项目文档陈述。

证据核验4 / 8 · 2.5/5

端点、配置、技能和部分 agent/API 源码可相互对照,测试配置及 CI 也具体说明了测试范围;实体来源字段区分用户陈述、推断与文档来源。扣分原因是许多检索准确率、延迟、成本和模型兼容性陈述来自 README,样本内缺少对应测量结果或完整实现佐证;部分配置或流程文件未包含在样本中,因此只能做有限交叉核验。

风险与缓解建议
  • 使用前核对默认 LLM_PROFILE/模型与实际密钥配置;材料中的 braindb-agent 技能和 README 不一致。
  • watcher 与 wiki_scheduler 可在后台自动调用模型并写入数据库;上线前确认数据范围、费用控制和停止方式。
  • agent 暴露删除与写入操作;部署时应限制 API 网络访问,并为重要数据设置备份和恢复方案。
证据充分度:低 评估于 2026年11月11日 审查版本 98d35154a9e2
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/braindb.svg?lang=zh)](https://followagents.com/zh/agents/braindb)
<a href="https://followagents.com/zh/agents/braindb"><img src="https://followagents.com/badge/braindb.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。

  1. v0.11.1 v0.11.1 — Faster recall on low-resource devices, same results
    发布说明摘录
    Headline Recall stays fast on densely connected memories and on low-resource devices, with exactly the same results. The graph step no longer lists every path through the graph, so it takes about a second instead of up to minutes and writes next to no temporary files. The agent's database tools no longer hold up the rest of the API while they run, and reads no longer re-index stored text. Fixed …
    在 GitHub 查看 ↗
  2. v0.11.0 v0.11.0 — JEV: one-token decisions inside the agent's conversation
    发布说明摘录
    Headline This release adds JEV. Some steps in BrainDB are really yes/no questions: is this part of a document useful, is this linked item worth following, is this fact about the page's subject. JEV asks the model that question inside the conversation that needs it and reads the answer from the probability of a single token. Items it rejects never enter the conversation, so they are not paid for again in later turns. …
    在 GitHub 查看 ↗
  3. v0.10.0 v0.10.0 — Wiki pipeline hardening: terminating writer loop, self-healing jobs, editable headers
    发布说明摘录
    Headline The wiki pipeline is now dependable under long, unattended runs. The writer loop always terminates, crashed and restarted jobs recover on their own, and the page header is editable instead of frozen after the first write. Also in this release: a reasoning-effort knob for the wiki agents that cuts latency several-fold on self-hosted models, a per-call LLM timeout so slow local writes are no longer abandoned mid-flight, and both agents can now see how big a page is before deciding what to do with it. Added …
    在 GitHub 查看 ↗

常见问题

使用 BrainDB 是否必须购买模型服务?
软件提供本地部署路径,也可配置本地 vLLM;若使用 DeepInfra 等远程服务,则需配置相应凭据,远程调用可能产生费用。
它能否连接已有 PostgreSQL?
可以。通过 DATABASE_URL 指向容器、主机或远程数据库,并确保启用 pg_trgm 与 pgvector;迁移需要创建扩展的权限,或由管理员预先安装。
文档摄取会保留来源吗?
会。watcher 从文件提取原子事实,并用 derived_from 关系链接回来源;同内容重复摄取具有幂等性。
可以只运行数据库和 API、不启用自动维护吗?
可以。Docker Compose 支持将 wiki_scheduler 或 watcher 服务缩放为 0;相关自动流程便不会运行。
BrainDB 智能记忆库 免费吗?
软件本身免费,但 BrainDB 智能记忆库 要调用 AI 模型,模型的调用费用由你向模型服务商支付(也可以接本地模型)。
BrainDB 智能记忆库 开源吗?
开源。源码在 GitHub(dimknaf/braindb),许可证是 Apache-2.0。
BrainDB 智能记忆库 安全吗?
FollowAgents 的 FARS 评审(2026年11月11日)给 BrainDB 智能记忆库 的“信任与安全”打了 13/29 分。评审检查的 8 项安全措施没有完全缺失的。
BrainDB 智能记忆库 是谁开发的?
BrainDB 智能记忆库 由 GitHub 账号 dimknaf 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念