知识图谱存储系统

一个基于知识图谱的AI代理记忆系统,支持跨会话的持久化信息存储与管理。

  • by HamzaFarhan
  • Python
  • 本地部署
  • 6 星标
  • 更新于
在 GitHub 查看 hamzafarhan/memory

使用说明

存储器MCP

一种基于知识图的人工智能代理存储系统,可以在对话之间持久存储信息。

特性

  • 使用知识图结构的持久内存存储
  • 组织信息的实体关系模型
  • 用于添加、搜索和检索记忆的工具

工具

系统提供以下MCP工具:

  • load_knowledge_graph():检索整个知识图
  • get_knowledge_graph_size():返回图形的当前大小类别(“小”、“中”或“大”)
  • add_entities(entities):将新实体添加到内存中
  • add_relations(relations):创建实体之间的关系
  • add_observations(entity_name, observations):向现有实体添加观察结果
  • delete_entities(entity_names):从内存中删除实体
  • delete_relations(relations):删除关系
  • search_nodes(query, search_mode):搜索与查询匹配的实体和关系。支持三种搜索模式:
    • “exact_phrase”:将整个查询作为子字符串进行匹配
    • “any_token”:如果查询中的任何单词匹配,则匹配(默认)
    • “all_tokens”:如果查询中的所有单词都匹配,则匹配
  • open_nodes(names):检索特定实体及其之间的关系

用法

使用以下命令运行代理:

uv run memory_agent.py

代理将自动:

  1. 在对话开始时加载其内存
  2. 在互动过程中参考相关信息
  3. 对话结束时,用新信息更新其内存

通过键入退出对话 q.

配置

使用设置内存存储位置 MEMORY_FILE_PATH 环境变量(默认为 memory.json).