GitHub - goyohan0611-png/graph-mind:为 AI 智能体打造的本地长期记忆。逐字保存每一次对话,存储零成本,所有智能体共享。在同一测试中击败 Mem0、MemPalace 和 agentmemory。
📌 One-Sentence Summary
Graph-MIND 是一个面向 AI 智能体的本地共享记忆系统,无需模型介入即可逐字存储对话,在长期记忆基准测试中取得高准确率,同时保持零成本和隐私保护。
📝 Summary
Graph-MIND 为 AI 智能体记忆管理提供了一个稳健的本地解决方案。它直接捕获并存储每一轮对话,写入时无需模型生成摘要或嵌入。这一方式确保了高保真度,且保存记忆不消耗任何 token。系统支持跨智能体和跨 PC 共享,并具备强大的隐私保护,包括密钥掩码和加密传输。在标准基准测试中,它的表现优于 Mem0 和 MemPalace 等现有方案,证明其能准确检索过往信息。
💡 Main Points
逐字存储与零成本保存
Graph-MIND 按对话发生时的原样存储,不调用任何模型进行摘要或特征提取。这确保保存过程中不丢失或扭曲任何信息,且存储数据不产生计算成本(token)。
出色的基准测试表现
该系统在 LongMemEval 基准测试中达到 88.8% 的准确率,显著优于 Mem0 和 MemPalace 等其他记忆方案。这表明所存储的数据足够充分且结构良好,便于 AI 有效检索和利用。
隐私与安全
所有数据均存储在用户本地 PC 上,无遥测、不依赖云端。API 密钥等敏感信息在存储前会被掩码处理,PC 之间的数据传输经过加密,确保高水平的隐私与安全。
💬 Key Quotes
在 LongMemEval 上达到 88.8%。保存记忆不消耗任何模型 token。运行在你自己的 PC 上。
无需账号,没有自有云端,没有遥测。任何内容存储前密钥都会先被掩码,而「删除我之前输入的密码」会在所有地方将其删除。
保存零成本。对话按原话存储。写入时不调用模型进行摘要或提取,因此进入时既不丢失也不虚构任何内容,也不消耗任何 token。
📊 Article Meta
AI Screening: 92
Source: Hacker News - Newest: "LLM"
Author: guk0731
Category: 人工智能
Language: 英文
Read Time: 5 min
Word Count: 1195
Tags:
AI 与智能应用 , AI Agent , 数字隐私 , WebAssembly , Agent记忆
整理得太全面了,省了我不少时间。
讲解得很细致,新手也能看懂。
楼主辛苦了,内容很有参考价值。
讲解得很细致,新手也能看懂。
路过
讲解得很细致,新手也能看懂。
有没有更详细的教程,期待后续。
不错不错,已加入书签。
这个观点很中肯,深有同感。
讲解得很细致,新手也能看懂。
实测过类似工具,作者说的基本属实。
写得挺用心的,支持一下。