前言¶
LLM 辅助工具在长对话中面临上下文丢失的挑战。传统的记忆方案往往需要在写入时提取特征，导致无法灵活应对动态的数据类型。Mnemon 采用双系统架构，通过快速判断与慢速思考的结合，在无需预定义模式的情况下处理长期记忆。
这是什么¶
这是一个由 Grivn 维护的长期记忆代理，专为 LLM 助手设计。它将对话保持为原始的、带日期的记录，并在问题出现时利用快速模型进行决策，利用 LLM 模型撰写查询并组织回答。
核心功能¶
- 长期记忆管理：为 LLM 助手提供长期记忆能力。
- 原始记录存储：保持对话为原始的、带日期的记录。
- 双系统决策：
- 使用快速 System 1 模型（如 Jev）进行是/否判断。
- 使用 LLM（System 2）撰写查询、命名需求并组合回答。
- 后台索引：在后台将记录合并为索引，指向原始记录。
- 成本可控：记录量在 1000 万 token 以内时，单次回答的成本增长受控。
典型用法¶
插件以 DeepSeek Harness 的第二个实例运行，不改变主进程。它在每一轮对话中发布一个 View。
注意事项与生态¶
- 运行方式：作为 DeepSeek Harness 的第二个实例运行。
- 结果去向：实验结果将被逐步引入官方项目 [mnemon] 和 [dsh-mnemon]。
- 环境要求：基于 package.json 信息，需 Node.js >= 20。
- 许可证：项目采用 MIT 许可证。
链接¶
- GitHub: https://github.com/Grivn/mnemon-memory-agent
- 目录: https://www.skillhub.cn/plugins/Grivn/mnemon-memory-agent
