前言¶
智能體開發中，記憶層通常僅依賴向量數據庫，這會導致基礎問題無法回答：信息來源何處？爲何值得信任？是誰修改的？衝突如何處理？
MemoBranch 將記憶轉化爲治理的知識鏈。它是一個本地優先的長期記憶層，用於 AI 智能體和生產環境。它將對話證據、候選知識和規範記憶組織成人類可讀的 Markdown Wiki，利用 Git 提供版本控制、歸屬記錄、回滾和跨機器同步。
核心功能¶
下面介紹 MemoBranch 的核心能力。
Git 原生 Wiki
Markdown 是真理。每次邏輯變更都有對應的 Git 提交，記錄了具體的修改人和時間。
跨源知識編譯
通過規則和目錄，指導對源數據、實體、概念、綜合、比較和查詢頁面的增量維護。多頁面變更會以原子方式提交。
源背靠答案和歸檔
在閱讀頁面前先導航，將答案綁定到具體的引用修訂版，在顯式保存時保留源限制和不確定性。
結構和語義維護
結構檢查無需模型參與。模型提供基於證據的維護建議，但修復需要單獨授權。
證據驅動記憶
遵循 evidence → candidates → wiki 的流程，保留來源、置信度、條件和修訂鏈。
服務器端訪問控制
在讀取內容前，通過權限、範圍、敏感性和租戶進行授權。
策略驅動的信封加密
根據策略選擇任何敏感級別，使用每記錄 DEK 和 AES-256-GCM 加密，支持加密擦除。
混合檢索
結合 CJK/英文詞法搜索、可選嵌入、Wiki 鏈接擴展和增量索引。
遠程 Git 同步
支持 Ahead/Behind/Diverged 狀態、快進更新、定期合併、衝突中止和受控推送。
崩潰恢復
在原子替換前對多文件寫入使用預寫日誌（journal），啓動時自動回滾或重放。
CLI + 智能體插件
提供 CLI、MCP 和原生的 DeepSeek Harness 插件，共享穩定錯誤和最小權限契約。
生產可觀測性
提供單實例維護服務、/healthz 接口、Prometheus /metrics 和脫敏審計日誌。
安裝與啓用¶
MemoBranch 是一個本地服務，每個保險庫對應一個租戶。根據官方信息，目前未提供統一的命令行安裝方式。
開發者需要從 GitHub 倉庫獲取源碼，並按照本地服務的方式部署。項目基於 Node.js 20+ 和 TypeScript 6.x 開發。
典型用法¶
使用流程通常遵循以下步驟：
- 數據攝入：對話記錄、工具結果或人工輸入進入系統，作爲不可變證據。
- 候選生成：證據進入候選池，等待審覈。
- 知識歸檔：通過審覈或人工干預的內容進入 Wiki（規範記憶）。
- 檢索與使用：系統通過詞法或語義混合檢索，結合權限過濾，將上下文提供給智能體。
- 版本管理：所有變更通過 Git 追蹤，支持回滾和歷史審計。
適用場景與注意¶
MemoBranch 適用於需要高度可審計性、知識追溯和結構化維護的生產級智能體場景。
使用時需注意以下事實：
- LLM 不是真理：模型 API 僅用於可選增強。核心的捕獲、回顧、Git 版本控制、恢復和檢索功能不依賴模型 API。
- 敏感內容保護：敏感內容使用信封加密，邏輯密鑰使用不透明路徑，受保護內容被排除在索引和生成文件之外。
- 本地服務：它是一個本地服務，且每個保險庫限制爲一個租戶。
- 權限與安全：智能體不能自行聲明爲管理員。身份和權限由服務器端配置決定。
小結¶
MemoBranch 通過 Git 原生機制解決了智能體記憶的溯源、審計和衝突問題。它是 DeepSeek Harness 生態中的一個記憶插件，適合需要嚴格知識管理和版本控制的場景。
