Ori Mnemos
用本地 Markdown 知识图谱为 AI 智能体提供跨会话持久记忆。
按维度查看评分与理由
证据显示核心数据保存在本地 Markdown 与 SQLite 中，核心功能不需要 API 密钥；README 清楚列出会写入的保险库、派生索引、学习状态、客户端配置与生命周期钩子。桥接测试验证配置合并不会覆盖无关服务器，卸载仅移除 Ori 所有的条目；归档和修剪也提供 dry-run 或显式 --apply 路径，因此外部影响与回滚处理较强。扣分在于自动激活会在会话开始注入身份、会话结束捕获内容，查询还会更新学习数据库，但证据没有展示逐次写入确认、细粒度权限控制、加密、密钥管理、敏感字段过滤或保留策略。依赖通过 npm 和 CI 管理，但未提供锁文件、漏洞扫描、依赖审计或固定提交的 GitHub Actions 证据。作者、仓库及研究来源有署名，但发布者身份未经验证，且完整第三方归属清单未展示。
README、package 元数据、CI 和所给测试对版本、安装方式、桥接行为及本地存储模型大体一致。测试覆盖 Windows 与 Ubuntu，并对桥接优先级、配置保留、卸载、归档数据库清理及 CLI 学习写入进行断言；缺失项目保险库和不支持的自动激活会产生警告，健康检查及状态命令也有记录。扣分是本次仅有部分测试源码且未执行，README 的 579 项测试和性能声明无法由所给文件完整核对；原生 SQLite、嵌入模型下载及多个外部客户端仍可能影响可用性，降级和错误消息只在少数路径得到展示。
文档明确覆盖本地、VPS、远程终端、持久卷、多保险库、脚本化使用以及 Claude Code、Hermes、OpenCode、Cursor、Codex 和通用 MCP 客户端。自动与手动激活、项目与全局作用域、显式保险库优先级及各适配器能力差异均有清楚边界，测试也覆盖解析和优先级。环境要求包括 Node 18 以上版本、PATH 与持久存储，故普通适配场景处理充分。未扣满项；这些分数基于静态文档和测试代码，并不代表已验证所有平台。
README 的快速开始、架构、工具表、CLI、保险库结构、部署、索引重建规则和安装模型组织清晰；package.json、README 和 npm 名称保持一致，并提供语义版本、What's New 与 CHANGELOG 路径。Apache-2.0 元数据与完整 LICENSE 相符。扣分在于示例丰富但没有独立 FAQ 或系统化故障排除材料；已知限制散落在适配器和重建说明中，而非完整限制清单；README 同时展示 v0.7.0 与主要聚焦 v0.6.0 的更新段落，命名/版本叙事略有不整齐。作者和仓库给出了维护归属，但缺少明确支持渠道、维护承诺、安全报告流程或经验证的组织责任。
CLI 提供结构化 JSON，MCP 暴露 16 个有说明的工具，Markdown 数据可人工检查与迁移，桥接器能保留其他客户端配置并支持卸载，这些都使输出可直接使用。知识图、递归探索、学习排序和跨客户端持久记忆相较普通文本搜索具有明确增量价值。扣分主要在成本效益：令牌、延迟、召回率和约 0.10 美元会话成本均是仓库自报结果，虽然声称 bench/ 含评估代码并说明部分基线来源，但所给证据未包含基准实现、环境、方差、资源占用或复现实验结果。
多数操作性声明可追溯到具体命令、配置结构和测试断言；版本、许可证、客户端路径、卸载及数据库副作用在多个给定文件间相互印证。README 还区分了 Mem0 论文基线和 Ori 使用 GPT-4.1-mini 的评估设置。扣分在于关键算法、63 个研究来源、579 项测试、消融结果、性能、成本与领先性声明主要来自 README，所给材料没有 bench/、CHANGELOG、实现文件或完整测试清单来交叉核验；宣传性结论与已验证事实的标识也不总是清晰。
- 自动桥接可能在会话开始注入 self/ 中的身份内容，并在会话结束捕获信息；在连接含机密数据的保险库前，应检查生成的钩子、插件和 MCP 配置，并优先试用 manual 激活。
- 查询不会改写 Markdown 笔记的测试并不表示完全只读：证据明确显示查询会更新 .ori/embeddings.db 中的 Q 值、阶段策略、共现关系和检索日志。
- 删除 .ori/embeddings.db 会同时删除派生索引与已学习状态；备份保险库和数据库，并优先使用文档所述的 --force 重建方式。
- 基准、令牌节省、成本、消融和“579 tests”等声明均未经本次静态审查独立执行或完整材料核验。
- 在生产部署前，应审计 npm 锁定版本、原生 better-sqlite3 构建、模型获取行为和供应链漏洞；所给文件没有展示相应安全扫描。
- 发布者身份未知但不因此被视为可疑；仍应通过独立渠道确认维护者、发布包和仓库修订之间的对应关系。
这个 Agent 能做什么，适合哪些场景？
Ori Mnemos 是一套本地优先的 AI 智能体持久记忆基础设施，以 Markdown 文件保存身份、知识和运行状态，并用 SQLite 存储向量及检索学习数据。它通过 MCP 服务器提供 16 个工具和 5 个资源，也提供用于建库、写入、检索、递归探索、图分析、归档和客户端接入的命令行界面。检索流程融合本地语义向量、BM25、个性化 PageRank 和关联热度，并加入衰减、Q 值重排、共现边及阶段元学习。Recursive Memory Harness 会沿 wiki-link 图遍历，在检索不足时拆分子问题，并依据后续使用结果更新图结构。系统可完全在本机、VPS 或持久化远程终端中运行；核心功能无需云服务或 API 密钥，文件可由 Git 版本控制。
用户先用 ori init 创建包含 notes/、inbox/、self/ 和 ops/ 的 Markdown vault。ori add 将内容写入收件箱，ori promote 对其进行分类、发现链接并分配区域；每个 [[wiki-link]] 会成为知识图谱中的有向边。ori index build 构建或更新 SQLite 派生索引、本地 all-MiniLM-L6-v2 嵌入和共现边引导数据。查询时，ori_query_ranked 或 ori query ranked 融合语义匹配、BM25、PageRank 与热度，再执行重力抑制、枢纽抑制、resolution boost 和学习型重排；ori_explore 则执行子问题分解、PPR 图遍历和收敛检测。会话中的引用、编辑、再次召回和后续创建会在会话结束时更新共现边、笔记 Q 值和 LinUCB 阶段策略。MCP 服务还可注入持久身份，并通过 ori_orient、ori_update、ori_prune、ori_health 等接口管理会话状态、记忆衰减和 vault 健康状况。
- 使用 Claude Code、Hermes Agent 或 OpenCode 的开发者，希望智能体在项目会话之间自动恢复身份、目标和近期上下文。
- 使用 Codex、Cursor 或其他 MCP 客户端的团队，需要把长期记忆保存在自有磁盘上，并愿意自行管理会话开始与结束流程。
- 在 VPS 或远程终端运行智能体的运维人员，需要不依赖托管向量数据库的持久记忆，并能用 Git 备份 vault。
- 维护大量互相关联 Markdown 笔记的研究者，希望通过语义搜索、BM25、wiki-link 图和递归分解处理多跳问题。
- 管理多个独立智能体的用户，希望每个智能体拥有隔离的身份、知识图谱和运行状态 vault。
这个 Agent 有哪些优点和局限？
- 记忆主体是可直接阅读和迁移的 Markdown，SQLite 仅承载可派生索引及学习状态，避免必须采用托管向量数据库。
- 同时结合语义向量、BM25、PageRank、关联热度、Q 值和共现学习，覆盖关键词、语义和图关系等不同检索信号。
- Claude Code、Hermes Agent 和 OpenCode 提供会话开始定向、结束捕获及写入校验等完整生命周期集成。
- 核心检索使用本地 all-MiniLM-L6-v2，不需要云服务或 API 密钥，并支持本机、VPS 和持久化远程终端部署。
- 提供图结构分析、认知衰减、递归探索和可审计的 Git 文件历史，而不只是简单的向量相似度搜索。
- Codex、Cursor 和通用 MCP 客户端只有工具接入，没有自动会话定向与结束捕获，使用者必须自行管理生命周期。
- 由编辑器、同步客户端或脚本写入的笔记不会立即获得语义嵌入，需要额外运行
ori index build。 - SQLite 文件同时保存嵌入和已学习的 Q 值、阶段策略及共检索历史；直接删除数据库会丢失这些学习状态。
- 远程或无服务器运行要求执行环境中安装
ori，并为 vault 提供持久化存储；临时文件系统并不适用。 - README 给出的性能结论来自特定 HotpotQA 和 LoCoMo 设置，尚未提供 LoCoMo-Plus 与对抗拒答评测结果。
如何安装或部署这个 Agent？
需要可运行 npm 全局安装的软件环境；源码没有注明最低 Node.js 版本。执行：
npm install -g ori-memory
ori init my-agent
cd my-agent核心操作不要求 API 密钥。若要从源码安装：
git clone https://github.com/aayoawoyemi/Ori-Mnemos.git
cd Ori-Mnemos
npm install
npm run build
npm link
ori --version如何使用这个 Agent？
首次创建 vault 后，可用完整生命周期适配器连接客户端，例如：
ori bridge claude-code --vault ~/brain
ori bridge hermes --vault ~/brain
ori bridge opencode --vault ~/brainCodex 和 Cursor 采用仅 MCP 接入，需由客户端或用户管理会话生命周期：
ori bridge codex --vault ~/brain
ori bridge cursor --vault ~/brain其他 MCP 客户端可运行 ori bridge generic --vault ~/brain 获取配置，或启动 ori serve --mcp --vault /path/to/vault。一个基本工作流是 ori add "标题"、ori promote --all、ori index build，然后执行 ori query ranked "问题" 或 ori explore "问题"。外部编辑器批量写入笔记后应运行 ori index build；若查询提示索引未覆盖全部 vault，则运行 ori index build --force。
这个 Agent 与同类方案有什么区别？
README 将 Ori Mnemos 与 Mem0 直接比较。其 HotpotQA 结果报告 Recall@5 为 90% 对 29%、F1 为 0.68 对 0.33、平均延迟为 120ms 对 1,140ms；Ori 使用 Markdown 与 SQLite，而对照中的 Mem0 使用 Redis、Qdrant 和云服务。在 LoCoMo 评测中，Ori 报告 single-hop 37.69、multi-hop 29.31，Mem0 基线为 38.72 和 28.64。Ori 的定位差异是本地文件所有权和图递归学习，但这些数字只代表 README 所述评测配置。
常见问题
核心功能需要付费 API 或联网吗？
可以直接编辑 Markdown 文件吗？
ori index build 前不会获得语义嵌入。删除 .ori/embeddings.db 会怎样？
ori index build --force。不同智能体能否隔离记忆？
--vault 路径选择。