返回 AI 资讯
社区讨论V2EX 程序员

[开源] MemAuthority 专门给 Agent 使用的长期记忆工具,解决 Agent 重复摸索和踩坑的痛点

🔗 项目主页 : GitHub / iasi777/memauthority 本工具只专注于解决一个主要问题: 踩过的坑不应该再踩一遍,现成的经验总结随取随用 用户 把关:判断哪些信息真正值得长期留下; Agent 执行:理解、检索、归纳、更新与清理记忆; MemAuthority 兜底:保证长期记忆的可靠保存和按需读取,防止多版本相互覆盖、内容错乱、异常中断导致记忆损坏。 提供多 agent 、多平台共用一套记忆的能力 MemAuthority 适合谁 更看重长期记忆质量的用户 你应该经历过以下的不可控感: 不…

内容摘要

🔗 项目主页 : GitHub / iasi777/memauthority 本工具只专注于解决一个主要问题: 踩过的坑不应该再踩一遍,现成的经验总结随取随用 用户 把关:判断哪些信息真正值得长期留下; Agent 执行:理解、检索、归纳、更新与清理记忆; MemAuthority 兜底:保证长期记忆的可靠保存和按需读取,防止多版本相互覆盖、内容错乱、异常中断导致记忆损坏。 提供多 agent 、多平台共用一套记忆的能力 MemAuthority 适合谁 更看重长期记忆质量的用户 你应该经历过以下的不可控感: 不清楚什么内容何时被记下了; 不确定什么时候会进入上下文; 无法确认内容是否已经过时; 想要精确修改或删除时无从下手 你也可能尝试过维护 MEMORY.md ,但随着内容积累,它变得越来越臃肿、杂乱,甚至开始干扰 Agent 的正常判断 MemAuthority 适合的用户: 愿意为记忆质量投入少许精力把关 这里的“花精力”并不需要你频繁手动修改文件,而是在关键节点做几个有价值的高层裁决: 某些信息是否值得长期保留; 什么时候应该整理记忆; 哪些内容涉及隐私或敏感信息; Agent 提议整理的结果是否符合你的真实意图 其余机械繁琐的格式整理、分类归档与检索调用,统统交由 Agent 处理 为什么不直接用 MEMORY.md 如果你的项目记忆体量较小、内容极少变动,或者你不想在记忆维护上耗费任何注意力,继续使用 MEMORY.md 是最省心的选择 MemAuthority 聚焦于解决更具体的需求: 把“维护长期记忆”本身,变成一套可靠、可控的工程化工作流 按需精准读取 :仅在任务真正需要时才加载相关记忆,避免无关信息撑爆或污染上下文; 清晰的角色分层 :明确区分当前接手状态、长期规则、阶段进展与避坑经验; 并发与版本安全 :修改前严格校验版本,防止旧的修订静默覆盖新内容; 幂等防重保障 :网络波动或执行中断时的重试操作,不会产生重复记忆; 收敛与历史追溯 :活跃记忆库可以随意精简收敛,而完整的修改历史可以由 Git 负责追溯; 事务与容灾恢复 :写入中断或异常时具备明确的事务日志与恢复机制 如何使用 不需要完全一致的提示词,表达意图即可,你也可以开发自己的独特用法: 1. 开始任务时按需读取 “参考一下这个项目的 MemAuthority ,根据当前上下文按需读取” Agent 应该选择最短、最合适的读取路径:已知具体位置就直接读取,不知道位置时再检索,需要快速接手项目整体状态时再看 handoff 。如果当前对话本身已经有足够上下文,Agent 不会到 MemAuthority 再复核一遍 2. 精确把关要记录的内容 “把这次任务里值得长期记录的内容列出来,我来决定写哪些” Agent 提炼候选条目,由你最终决定保留、修改还是舍弃 3. 省心快速记录任务 “记录一下这次任务” 这也是常见用法。默认情况下,Agent 会自行决定需要保存的内容,MemAuthority 保证 Agent 记录内容的下限,上限由模型的能力决定 4. 任务结束后顺手维护 “检查一下这次任务实际用到的 MemAuthority 记忆,根据刚刚发生和核验的事实更新它,并清理过时内容” 刚完成任务的 Agent 掌握最新的代码、工具结果、运行事实和用户裁决。它只需要维护本次真正读取和使用过的记忆,不必每次扫描整个记忆库 5. 暂存未来的想法,释放当前的上下文 “某个值得以后深究的方向,先放到 TODO 列表” 这里的 TODO 不是项目管理工具,而是:未来值得处理,但不应该占据现在工作的注意力 真正完成后,直接删除 TODO 本身;真正形成的长期有效结论,再单独归入长期记忆 如何导入旧的记忆库 只要 Agent 能够读取并理解的格式,就能够进行导入: 现有的 MEMORY.md ; 通用 Markdown 或纯文本文档; JSON 导出文件; Prompt 提示词文件; 历史交接文档与聊天总结; 多份存在冲突的旧笔记; 其他任何 Agent 可理解的文本内容 输入意思相近的提示词即可: “先了解 MemAuthority 的记忆规范,然后检查这份旧记忆库 把仍值得长期保留的内容进行去重、合并、更新和重组;过时、重复、纯流水账、临时和不该长期保存的内容全部剔除,先整理出迁移候选方案,由我确认后再执行写入 ” MemAuthority 里存的是什么? 长期记忆严格划分为四种角色: handoff (接手状态) 当前接手该项目必须了解的最小关键状态 它应当保持简短、直接并随项目演进而持续刷新,不会成为冗长的第二份 README rules (长期规则) 未来 Agent 开展工作仍需遵守的长期决定、架构约束与行为准则 只记录最终的裁决结果,不记录冗长的讨论与争辩过程 progress (阶段进展) 对未来后续工作仍具参考价值的阶段性重要进展 它是最低成本的记录入口,但并非流水账式的永久日志 pitfalls (避坑指南) 未来工作中仍有可能再次遭遇的典型失败模式与防范经验 并非每个普通报错都值得记录 如何避免无用的记忆过多塞进 Context ? MemAuthority 支持渐进式按需召回: 当前对话已经有足够信息时,完全不调用 MemAuthority ; 项目不明确时,先定位并确认项目; 已知明确 URI 或 Section 时,直接精确读取; 已知项目但不知道具体位置时,再在项目范围内检索; 需要快速恢复项目整体接手状态时,handoff 通常是最合适的起点; Agent 自己判断结果是否相关,只继续读取真正有助于当前任务的内容 Agent 看到的搜索结果是定位坐标,把“需要多少证据才足够”留给正在执行任务的 Agent 判断 MemAuthority 不是历史档案 规则调整了,就直接更新规则; 状态演进了,就同步刷新状态; 内容过时且不再需要,就直接删除 将内容从当前 Memory 中移除,但历史记录依然保存在 Git 中,当然这也决定了其不适合作为大型记忆库

资讯来源

V2EX

原文链接

打开原文
[开源] MemAuthority 专门给 Agent 使用的长期记忆工具,解决 Agent 重复摸索和踩坑的痛点 · AI 资讯 · AIGOOD - AIGOOD