使用说明
MIE - Memory Intelligence Engine
Stop re-explaining yourself to every AI agent. MIE gives all your agents — Claude, ChatGPT, Cursor, Gemini — a shared, persistent knowledge graph they can read and write. Decisions, context, facts, and relationships survive across sessions, tools, and providers.
问题
你向克劳德解释了你的整个建筑。两个小时的背景、决定、权衡。第二天，新的对话——它什么都不知道。所以你再解释一遍。然后切换到Cursor进行实现。零上下文。你打开ChatGPT，从不同的角度进行头脑风暴。白板。
你使用的每一个人工智能代理都很聪明，但都会失忆。他们谁也不说话。
MIE解决了这个问题。 一个知识图谱。每个代理都从中读取信息。每个代理都向其写入信息。你的决定、你的背景、你的规则——随时随地都可用。
运作原理
You: "We chose PostgreSQL over DynamoDB because we need ACID
transactions for the payments module. Alternative was Aurora
but too expensive at current stage."
Claude stores this via MIE
↓
┌─────────────────────────────────────────────┐
│ MIE Knowledge Graph │
│ │
│ Decision: PostgreSQL over DynamoDB │
│ Rationale: ACID transactions for payments │
│ Alternatives: [DynamoDB, Aurora] │
│ Entities: payments-module, PostgreSQL │
│ Status: active │
└─────────────────────────────────────────────┘
↓
Next week, in Cursor, different project:
"What database did we choose and why?"
→ Cursor queries MIE, gets full context instantly
无复制粘贴。不，正如我之前提到的，不从零开始。
为什么不直接使用Claude的内存/ChatGPT的内存？
| 平台内存 | MIE | |
|---|---|---|
| 交叉代理 | ❌ 克劳德不知道你对ChatGPT说了什么✅ 所有代理共享同一图表 | |
| 结构化 | ❌ 平面文本摘要 | ✅ 类型化节点：事实、决策、实体、事件 |
| 可查询 | ❌ 基本关键字召回 | ✅ 语义搜索、图遍历、冲突检测 |
| 便携式 | ❌ 锁定到一个提供者 | ✅ 您的数据，您的机器，可导出 |
| 关系 | ❌ 无 | ✅ “这一决定与该实体有关，是由这一事件引发的” |
| 历史 | ❌ 默默覆盖 | ✅ 失效链——看看发生了什么变化以及原因 |
快速开始
1.安装
brew tap kraklabs/mie
brew install mie
2.初始化
mie init # Quick setup with defaults
mie init --interview # Interactive — asks about your stack, team, and project
3.连接到您的AI代理
克劳德代码 (.mcp.json):
{
"mcpServers": {
"mie": {
"command": "mie",
"args": ["--mcp"]
}
}
}
光标 (.cursor/mcp.json):
{
"mcpServers": {
"mie": {
"command": "mie",
"args": ["--mcp"]
}
}
}
就是这样。你们的特工现在共享一个大脑。
存储什么
MIE不是聊天记录。它将结构化知识存储为图形：
事实 --你的世界是真实的。 “我们的API使用JWT和RS256签名。”·“团队由3个时区的6名工程师组成。”
决策 --有理由和备选方案的选择。 “由于CGO-CozoDB绑定，CIE选择了Go over Rust。替代方案：Rust、Python。”
实体 --人、公司、项目、技术。 “Kraklabs——独立软件和人工智能实验室”·“CIE——代码智能引擎”
事件 --时间戳事件。 “2026年1月15日发布v0.4.0。”·“客户端演示计划于3月10日进行。”
话题 --连接一切的重复主题。 “架构”·“安全”·“产品战略”
这些通过类型化关系连接——决策引用实体，与主题相关，并可能由事件触发。当代理查询“您对我们的安全决策了解多少？”时，MIE遍历图并返回结构化上下文，而不是关键字匹配。
MCP工具
MIE通过模型上下文协议公开了12个工具：
| 工具 | 它做什么 |
|---|---|
mie_analyze |
在存储之前处理与上下文相关的表面——代理决定哪些内容值得记住 |
mie_store |
将事实、决策、实体、事件和关系写入图表 |
mie_bulk_store |
批量存储多达50个具有交叉引用的节点，非常适合从文件或git历史中导入知识 |
mie_get |
按ID检索具有完整详细信息的单个内存节点 |
mie_query |
语义搜索、精确查找或跨所有节点类型的图遍历 |
mie_list |
使用分页功能列出和筛选节点 |
mie_update |
使过时的事实无效，更新状态——保留完整的历史记录 |
mie_delete |
删除具有级联（嵌入+边）的节点或删除单个关系 |
mie_conflicts |
检测存储知识中的矛盾 |
mie_export |
将完整图形导出为JSON或Datalog |
mie_repair |
重建HNSW索引并清理孤立嵌入 |
mie_status |
图表健康状况、节点计数、使用指标 |
零服务器端推断
与在服务器上运行LLM以对要存储的内容进行分类的其他内存解决方案不同，MIE使用 代理人作为评估人 图案。服务器提供上下文；你的代理（已经在运行LLM）决定什么是重要的。这意味着零额外的推理成本——你的内存层不会燃烧令牌。
这一理念延伸到导入：当你要求你的代理“从这个仓库导入知识”时，代理会直接读取你的文件、ADR或git历史记录，并使用 mie_bulk_store 坚持它所提取的东西。MIE仍然是一个纯粹的存储引擎——连接的代理就是LLM。
建筑
┌─────────────────────────────────────┐
│ Any MCP Client │
│ Claude · Cursor · ChatGPT* · etc │
└──────────────┬──────────────────────┘
│ MCP (JSON-RPC over stdio)
┌──────────────▼──────────────────────┐
│ MIE Server (one per MCP client) │
│ 12 tools · semantic search · │
│ graph traversal · conflicts │
└──────────────┬──────────────────────┘
│ Unix domain socket
┌──────────────▼──────────────────────┐
│ MIE Daemon (shared singleton) │
│ Manages exclusive DB lock · │
│ Serves multiple clients │
└──────────────┬──────────────────────┘
│ Datalog queries
┌──────────────▼──────────────────────┐
│ CozoDB (embedded) │
│ Graph DB · HNSW vectors · ACID │
└─────────────────────────────────────┘
+ Ollama (optional, local embeddings)
通过指向MIE Cloud（即将推出）的自定义GPT操作进行ChatGPT。
多个MCP客户端（Claude、Cursor等）可以同时运行——守护进程持有独占数据库锁并多路复用访问。守护进程在首次使用时自动启动，也可以通过手动管理 mie daemon.
内存生命周期
Store Query Evolve
───── ───── ──────
Your agent learns → Next session, any → Facts change.
something new. agent queries MIE Old ones get
It stores a fact, for context before invalidated, not
a decision, or an responding. Full deleted. The graph
entity — with graph of related keeps history of
confidence scores knowledge returns what was known
and relationships. in milliseconds. and when.
配置
# .mie/config.yaml
version: "1"
storage:
engine: rocksdb # rocksdb, sqlite, or mem
embedding:
enabled: true
provider: ollama # ollama, openai, or nomic
model: nomic-embed-text
mcp:
# Option A: only expose these tools (whitelist)
include_tools:
- mie_analyze
- mie_store
- mie_query
# Option B: expose all except these (blacklist)
# exclude_tools:
# - mie_export
# - mie_repair
所有设置都可以用环境变量覆盖。嵌入是可选的——MIE可以在没有嵌入的情况下工作（仅限精确搜索）。
这 mcp 部分是可选的。如果省略，则所有12个工具都会暴露出来。使用 include_tools 将特定工具列入白名单，或 exclude_tools 隐藏一些。如果两者都被设置， include_tools 优先。过滤后的工具也会被拒绝 tools/call.
命令行界面
mie init # Create config with defaults
mie init --interview # Interactive project bootstrapping
mie --mcp # Start as MCP server (auto-starts daemon)
mie daemon start # Start daemon in background
mie daemon start --foreground # Start daemon in foreground (for debugging)
mie daemon stop # Stop running daemon
mie daemon status # Check if daemon is running
mie status # Show graph statistics
mie export # Export memory graph
mie import -i backup.json # Import from JSON or Datalog
mie reset --yes # Delete all data
mie query "<cozoscript>" # Raw Datalog query (debug)
先决条件
- 转到1.24+ （源建筑）
- 奥拉玛 （可选，用于语义搜索）--
ollama pull nomic-embed-text
MIE在没有Ollama的情况下工作。您将获得精确匹配搜索和图遍历。添加Ollama进行语义搜索（“查找与部署相关的内容”，而不是精确的关键字）。
与CIE一起使用
MIE与 CIE（代码智能引擎）.作为MCP服务器运行这两个程序：
{
"mcpServers": {
"cie": { "command": "cie", "args": ["--mcp"] },
"mie": { "command": "mie", "args": ["--mcp"] }
}
}
CIE让您的代理深入了解您的代码库。MIE让它记住其他一切——决策、建筑、人、事件。总之，你的代理人知道你的代码 和 记得为什么它是这样建造的。
路线图
- [x] 从ADR、markdown和git历史导入（代理驱动的自导入）
- []Git提交后钩子——从提交中自动捕获决策
- []浏览器扩展——从claude.ai、chatgpt.com、gemini自动获取知识
- []MIE Cloud——跨设备同步，团队共享内存
- []通过自定义GPT操作集成ChatGPT
- []用于探索和管理知识图谱的Web UI
加入候补名单： kraklabs.com/mie
许可证
MIE拥有双重许可：
- AGPL-3.0 --免费开源使用
- 商业许可证 --用于专有用途。联系 sales@kraklabs.com
贡献
我们欢迎捐款。看 贡献.md 作为指导方针。
