前言¶
智能体开发中，记忆层通常仅依赖向量数据库，这会导致基础问题无法回答：信息来源何处？为何值得信任？是谁修改的？冲突如何处理？
MemoBranch 将记忆转化为治理的知识链。它是一个本地优先的长期记忆层，用于 AI 智能体和生产环境。它将对话证据、候选知识和规范记忆组织成人类可读的 Markdown Wiki，利用 Git 提供版本控制、归属记录、回滚和跨机器同步。
核心功能¶
下面介绍 MemoBranch 的核心能力。
Git 原生 Wiki
Markdown 是真理。每次逻辑变更都有对应的 Git 提交，记录了具体的修改人和时间。
跨源知识编译
通过规则和目录，指导对源数据、实体、概念、综合、比较和查询页面的增量维护。多页面变更会以原子方式提交。
源背靠答案和归档
在阅读页面前先导航，将答案绑定到具体的引用修订版，在显式保存时保留源限制和不确定性。
结构和语义维护
结构检查无需模型参与。模型提供基于证据的维护建议，但修复需要单独授权。
证据驱动记忆
遵循 evidence → candidates → wiki 的流程，保留来源、置信度、条件和修订链。
服务器端访问控制
在读取内容前，通过权限、范围、敏感性和租户进行授权。
策略驱动的信封加密
根据策略选择任何敏感级别，使用每记录 DEK 和 AES-256-GCM 加密，支持加密擦除。
混合检索
结合 CJK/英文词法搜索、可选嵌入、Wiki 链接扩展和增量索引。
远程 Git 同步
支持 Ahead/Behind/Diverged 状态、快进更新、定期合并、冲突中止和受控推送。
崩溃恢复
在原子替换前对多文件写入使用预写日志（journal），启动时自动回滚或重放。
CLI + 智能体插件
提供 CLI、MCP 和原生的 DeepSeek Harness 插件，共享稳定错误和最小权限契约。
生产可观测性
提供单实例维护服务、/healthz 接口、Prometheus /metrics 和脱敏审计日志。
安装与启用¶
MemoBranch 是一个本地服务，每个保险库对应一个租户。根据官方信息，目前未提供统一的命令行安装方式。
开发者需要从 GitHub 仓库获取源码，并按照本地服务的方式部署。项目基于 Node.js 20+ 和 TypeScript 6.x 开发。
典型用法¶
使用流程通常遵循以下步骤：
- 数据摄入：对话记录、工具结果或人工输入进入系统，作为不可变证据。
- 候选生成：证据进入候选池，等待审核。
- 知识归档：通过审核或人工干预的内容进入 Wiki（规范记忆）。
- 检索与使用：系统通过词法或语义混合检索，结合权限过滤，将上下文提供给智能体。
- 版本管理：所有变更通过 Git 追踪，支持回滚和历史审计。
适用场景与注意¶
MemoBranch 适用于需要高度可审计性、知识追溯和结构化维护的生产级智能体场景。
使用时需注意以下事实：
- LLM 不是真理：模型 API 仅用于可选增强。核心的捕获、回顾、Git 版本控制、恢复和检索功能不依赖模型 API。
- 敏感内容保护：敏感内容使用信封加密，逻辑密钥使用不透明路径，受保护内容被排除在索引和生成文件之外。
- 本地服务：它是一个本地服务，且每个保险库限制为一个租户。
- 权限与安全：智能体不能自行声明为管理员。身份和权限由服务器端配置决定。
小结¶
MemoBranch 通过 Git 原生机制解决了智能体记忆的溯源、审计和冲突问题。它是 DeepSeek Harness 生态中的一个记忆插件，适合需要严格知识管理和版本控制的场景。
