知识库与记忆管理工具

为Gemini CLI代理提供持久知识库和3层记忆管理的本地化文档处理工具。

  • by Rtalabs-ai
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 Auralith-Inc/aura-gemini-cli

使用说明

🔥 Gemini CLI的光环

为您的Gemini CLI代理提供一个持久的知识库和从任何文档编译的三层内存。

这有什么作用

此扩展使您的Gemini CLI代理能够:

  1. 编译 将任何文档文件夹(PDF、DOCX、代码、电子表格、markdown——60多种格式)转换为 .aura 知识库
  2. 查询 用自然语言即时创建知识库
  3. 记住 使用3层内存操作系统(pad、episodic、fact)的会话上下文

内存操作系统v2.1 (auralith-aura>=0.2.3):增强了时间衰减评分、噪声过滤、重复数据删除、布隆过滤器、SimHash模糊匹配和分层优先级评分——零RAM开销。

所有处理都会发生 本地在您的计算机上。没有数据离开您的设备。

安装

1.安装Aura核心

pip install auralith-aura

2.安装扩展

gemini extensions install https://github.com/Rtalabs-ai/aura-gemini-cli

就是这样。扩展程序会自动配置Aura的MCP服务器——所有工具都可以立即使用。

可用工具

安装后,您的Gemini CLI代理可以访问这些工具:

工具 说明
aura_compile 将目录编译为 .aura 知识库
aura_query 在知识库中搜索相关文档
aura_memory_write 写入持久记忆(便笺/情节/事实)
aura_memory_query 搜索持久内存
aura_memory_list 列出所有存储的内存条目
aura_info 检查 .aura 存档(文档数、文件类型、大小)

自定义命令

该扩展还提供斜线命令:

  • /aura-compile <directory> --将文档编译成知识库
  • /aura-query <aura_file> <query> --搜索知识库
  • /aura-memory <action> [args] --管理持久代理内存

用法

编译知识库

You: Compile all the docs in ./docs into a knowledge base
Gemini: [uses aura_compile] ✅ Compiled ./docs → knowledge.aura (47 documents indexed)

查询文档

You: Search the knowledge base for how authentication works
Gemini: [uses aura_query] Found relevant documents:
        📄 auth_module.py (relevance: 4)
        📄 architecture.md (relevance: 3)

持久内存

You: Remember that our staging API is at api-staging.example.com
Gemini: [uses aura_memory_write] ✅ Written to fact tier

--- next session ---

You: What's our staging API URL?
Gemini: [uses aura_memory_query] Based on stored memory: api-staging.example.com

运作原理

扩展包将Aura Core打包为 MCP服务器 Gemini CLI会自动发现并调用。引擎盖下:

from aura.rag import AuraRAGLoader

loader = AuraRAGLoader("knowledge.aura")
text = loader.get_text_by_id("auth_module")
docs = loader.to_langchain_documents()

数据来源与信任

每个内存条目都会存储 source (代理/用户/系统), namespace, timestamp, session_id,一个独特的 entry_id没有什么是推断或合成的——记忆只包含明确写入的内容。没有隐藏的嵌入,没有派生数据。

memory.show_usage()                              # Inspect what's stored per tier
memory.prune_shards(before_date="2026-01-01")    # Prune by date
# Or delete ~/.aura/memory/ to wipe everything

本地运行

  • 在本地硬件上运行 --任何现代笔记本电脑或台式机,您的设置,您的选择
  • 完全离线 --安装后无需互联网
  • 跨平台 --macOS、Windows、Linux、Python 3.8+

你的文件永远不会离开你的硬件。

研究知识库(可选)

对于以研究为重点的工作流程,请安装 光环研究 从原始文档构建结构化wiki:

pip install aura-research
research init my-project && research ingest raw/
research build && research memory show

不需要API密钥-作为代理,您就是LLM。阅读文档,撰写维基文章,直接运行CLI命令。

使用OMNI进行扩展

需要企业规模的培训管道、模型微调或生产代理基础设施?结账 全向.

链接


由……制造 Rta实验室