AI导哈

本地记忆持久化系统

基于Mem0和Ollama的本地记忆持久化系统，自动从对话中提取事实并进行语义相似性搜索。

  • by Virgil-LIBRIA
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Virgil-LIBRIA/memoire-cinetique

使用说明

动态记忆

零点系统的本地持久内存层。

基于 Mem0它自动从对话中提取事实，通过本地嵌入对其进行矢量化，并通过语义相似性使其可搜索。

建筑

Claude Code ──MCP──> mcp_server.py ──> Mem0 ──> Ollama (LLM + embeddings)
                                         │
                                         └──> Qdrant local (vecteurs fichier)

100%本地。 零云，零付费API。无需订阅即可生存。

先决条件

  • Python 3.10+
  • 奥拉玛 使用模型：
    • qwen2.5:7b-instruct-q5_K_M （提取食物）
    • nomic-embed-text （嵌入768调暗）
ollama pull qwen2.5:7b-instruct-q5_K_M
ollama pull nomic-embed-text

安装

pip install -r requirements.txt

使用

英语直接（Python）

ollama serve  # dans un terminal séparé
python test_mem0.py

通过克劳德代码（MCP）

添加到 .mcp.json 在项目的根源：

{
  "mcpServers": {
    "memoire-cinetique": {
      "command": "python",
      "args": ["chemin/vers/mcp_server.py"]
    }
  }
}

可用的MCP工具：

输出 描述
memory_add 添加事实（LLM自动提取）
memory_search 语义搜索
memory_list 列出所有记忆
memory_delete 按ID删除

背景

该项目是生态系统的一部分 零点 :

  • 混响室 =语料库内存（静态、嵌入文件）
  • 动态记忆 =互动记忆（动态、对话事实）

在时间映射操作系统中：动态记忆是系统的活记忆。

许可证

麻省理工学院

相关 MCP