M-flow 认知记忆引擎

这个 Agent 能做什么，适合哪些场景？

M-flow 是一个生物启发的认知记忆引擎，采用四层锥形图（Episode → Facet → FacetPoint → Entity）组织知识，并通过图路由的 Bundle Search 进行检索。与传统 RAG 依赖向量相似度不同，M-flow 让图本身成为评分引擎：向量搜索仅负责定位入口点，最终相关性由沿类型化、语义加权边的证据传播决定，每个知识单元按连接查询的最强推理链评分。该仓库包含核心 Python 库（m_flow）、FastAPI 后端、CLI（mflow）、Web 控制台（Next.js）、MCP 服务器，以及支持多种数据库（LanceDB、Neo4j、PostgreSQL/pgvector、ChromaDB、KùzuDB、Pinecone）和 LLM 提供方（OpenAI、Anthropic、Mistral、Groq、Ollama 等）的适配器。代码以 Apache 2.0 许可发布，并附带 963 个通过的测试。

M-flow 从多种输入格式（50+ 种，包括 PDF、DOCX、HTML、Markdown、图像、音频）摄取数据，进行分块、解析、共指消解（在索引前将代词解析为具体先行词），并构建知识图谱与嵌入。查询通过 query() 方法或 mflow search 命令执行，使用图路由的 Bundle Search：向量搜索在多个粒度上寻找入口点（Episode、Facet、FacetPoint、Entity），然后图传播沿着带语义描述的边（edge_text）进行代价感知的传播，最终按每个 Episode 的最强证据路径进行评分。它还提供了额外能力，如通过集成 face-recognition 实现基于人脸的记忆分区、程序性记忆抽取，以及通过 MCP 服务器将记忆暴露为工具。

1. AI 助手需要记住跨会话的用户偏好和工作流程，供后续引用。
2. 团队知识库需要回答具体事件的问题，如“Maria 为什么在周一的站会上不高兴？”。
3. 开发者希望用图结构增强现有 RAG 系统，而不是仅用向量相似度。
4. 多用户环境（如家庭或办公室）需要按用户分割记忆，并根据说话者自动路由。
5. 研究人员评估 GraphRAG 方法在 LoCoMo 和 LongMemEval 等基准上的表现。

如何安装或部署这个 Agent？

可通过 Docker 一键安装：git clone https://github.com/FlowElement-xinliuyuansu/m_flow.git && cd m_flow && ./quickstart.sh（Windows 使用 quickstart.ps1）。或通过 pip 安装：pip install mflow-ai，然后设置 export LLM_API_KEY="sk-..."。从源码安装：git clone ... && cd m_flow && pip install -e .。

如何使用这个 Agent？

在 Python 中：

import asyncio, m_flow
async def main():
    await m_flow.add("M-flow builds persistent memory for AI agents.")
    await m_flow.memorize()
    results = await m_flow.query("How does M-flow work?")
    for item in results.context:
        print(item)
asyncio.run(main())

或使用 CLI：mflow add "..."、mflow memorize、mflow search "query" --query-type EPISODIC、mflow -ui 启动 Web 控制台。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

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. v0.3.4 M-flow v0.3.4 2026-04-12
   发布说明摘录

   M-flow v0.3.4 Critical Fixes - Remove max_tokens parameter incompatible with GPT-5 series — all LLM calls were failing - Fix session/conversation history crash — compress_text(str) type mismatch replaced with correct summarize_text(str) High Priority Fixes - Fix audio processing (create_transcript → transcribe_audio method name) - Fix image processing (transcribe_image → describe_image method name) - Fix UUID serialization in search results, cache adapters, and graph property encoding - Fix _hash_sensitive dead code causing telemetry data corruption …

   在 GitHub 查看 ↗

常见问题