llm-long-term-memory · SQLite + FTS5 · MIT
面向 LLM Agent 的长期记忆基础设施
把对话压缩成结构化、带时间边界的事实。事实变化时关闭旧版本而不是堆叠;压缩丢掉细节时回到原始对话把它取回来。每一条记忆都能定位到来源会话、轮次和字符区间。
三种能力,逐个演出来
下面这三个是内置示例,用来说明系统在做什么。想自己动手——写你自己的事实、看旧值被关闭、看检索拒绝了什么——去 实验台,那里跑的是真的引擎。
架构
SQLite (WAL) + FTS5 · all-MiniLM-L6-v2 384d · FastAPI · MCP
评测
每一个设计决定都是在这一组上做的:提示词和阈值照着它的失败案例调过,所以 72.0% 同时也在衡量这些选择对它的拟合程度。它不是未见证据。
100 道没有参与过任何决策的题,在哈希冻结的系统上跑一次。刻意与上表分开——把调参集和未见集画进同一张图就等于毁掉协议。
报告 70.0% 而不是均值 71.3,是因为协议在重复实验存在之前就已经承诺只报第一次。基线从未在这 100 道上跑过,所以「结构化记忆追平朴素 RAG」目前只有 dev50 的证据。
它是一个系统,不是一个 notebook