memoket/memoket-kite
一个开源记忆层用带来源的结构化事实和可读查询计划来回答问题,而不是靠向量相似度
memoket-kite不把对话内容全部转成向量做相似度匹配,而是把对话提炼成带日期、带主题标签、并链接回原始发言的结构化事实。提出问题时,它会把问题编译成一份人可读的查询计划,在这个事实库上执行,给出答案的同时附上原文出处和时间,如果确实没人说过就诚实地返回空结果。在统一用gpt-4.1-mini作为阅读和评判模型的测评中,它在LoCoMo上拿到93.51%、在LongMemEval-S上拿到85.60%,均为最高分,且每个问题平均只需读取约1.6千token的上下文。
它做什么
- 把对话中的句子转成带类型、日期和主题标签的事实,并保留原始发言作为证据,而不是直接丢进向量库
- 把每个问题编译成可检查、可缓存的JSON查询计划,而不是做向量检索,让人能清楚看到是哪些条件选中了哪些事实
- 整个系统只依赖一个按主题索引的文件运行,不需要向量数据库、嵌入模型或重排序层
- 能按事件发生时间排序,在同一话题下不同时间点说法不一致时,准确返回符合'现在'这个时间条件的事实
- 在统一评测协议、同样用gpt-4.1-mini做阅读和评判的条件下,LoCoMo拿到93.51%、LongMemEval-S拿到85.60%,均排名第一,且每个问题平均只读取约1.6千token的证据上下文
为什么重要
需要记住长期对话的AI智能体可以借此找到真正回答问题的事实,而不是听起来相似的句子,并能展示答案背后的依据来源。不依赖向量检索基础设施、只用一个轻量文件运行的方式,对于关心可复现性和基础设施成本的团队来说也有实际参考价值。
本仓库术语
- 嵌入(embedding) · 把文本转成数字向量以便计算语义相似度的表示方式
- 向量数据库 · 专门用来存储嵌入向量并快速找到最相似向量的数据库
- 查询计划 · 描述问题如何被拆解为筛选和排序步骤、并在事实库上执行的可读结构
- LoCoMo、LongMemEval-S · 用于测试长对话记忆能力的公开评测数据集
- reader context · 回答模型在生成答案时实际看到的证据文本的平均量
仓库简介（英文）
Memory layer for AI agents with token-efficient, explainable retrieval beyond vector similarity.
在 GitHub 打开热门仓库
- vorssaint/vorssaint-utils一个免费菜单栏应用,顶替十几款付费Mac工具
- Alishahryar1/free-claude-code一个本地代理,把编程AI助手接到49家免费或低价模型服务商,不再只能用一家付费服务
- freestylefly/awesome-gpt-image-2把532个GPT-Image2案例拆解成可复用模板的提示词工程库
- block/buzz一个让人类和AI智能体在同一空间里聊天、写代码、做审查的开源协作平台
- NousResearch/hermes-agentNous Research推出的Hermes是一款越用越聪明的AI智能体
- virgiliojr94/book-to-skill把技术类书籍PDF变成AI编程助手随时可查阅的技能包
- VoltAgent/awesome-agent-skills把上千份让AI编程助手秒变专家的操作手册集中放在一个地方
- anthropics/claude-plugins-community一个把大家做的Claude插件集中起来供安装的仓库