elfmem：让 AI Agent 拥有类生物记忆的自适应记忆系统
Available in: 中文
elfmem 用零基础设施（SQLite）为 AI Agent 提供类生物记忆系统：知识自适应衰减、知识图谱、矛盾检测，支持 MCP 原生集成。
工具
elfmem 是一个新的 Python 库，为 LLM Agent 提供类生物记忆系统——知识被使用时增强，被忽略时衰减，通过知识图谱结构化以便恢复。零基础设施要求。
解决的问题
LLM Agent 根本上是无状态的：每次会话从零开始，上下文窗口填满后重置，RAG 检索文档但从不从中学习，大多数记忆方案需要外部基础设施。
工作原理
核心概念
自适应衰减：知识通过使用强化而存活，被忽略时衰减。会话感知时钟确保周末不会导致记忆衰减。
SELF 框架：持久化 Agent 身份。价值观、风格和约束跨会话保持。
知识图谱：相关但不完全相同的知识可通过图连接恢复。
矛盾检测：自动识别和解决冲突知识。
基础设施
- 零基础设施 — 使用单个 SQLite 文件
- 原生 MCP 支持
- Python 异步 SDK
- PyPI 可用
比较
| 特性 | elfmem | mem0 | LangChain Memory | Chroma/Weaviate |
|---|---|---|---|---|
| 基础设施 | 无 (SQLite) | Postgres/Redis | 内存 | 向量数据库 |
| 自适应衰减 | ✅ | ❌ | ❌ | ❌ |
| 知识图谱 | ✅ | ❌ | ❌ | ❌ |
| 矛盾检测 | ✅ | ❌ | ❌ | ❌ |
为什么重要
这是 Agent 状态维持的根本转变：Agent 可以真正从经验中学习、无基础设施开销、原生 MCP 支持、生物学启发可能比暴力向量搜索更有效。
GitHub: github.com/emson/elfmem
← Previous: LinkedIn Consumes 2.4 GB RAM With Just Two Tabs Open: Web Bloat ContinuesNext: Japan Plans to Use Forex Reserves to Short Crude Oil Futures to Rescue Yen →
0