前言¶
LLM 輔助工具在長對話中面臨上下文丟失的挑戰。傳統的記憶方案往往需要在寫入時提取特徵，導致無法靈活應對動態的數據類型。Mnemon 採用雙系統架構，通過快速判斷與慢速思考的結合，在無需預定義模式的情況下處理長期記憶。
這是什麼¶
這是一個由 Grivn 維護的長期記憶代理，專爲 LLM 助手設計。它將對話保持爲原始的、帶日期的記錄，並在問題出現時利用快速模型進行決策，利用 LLM 模型撰寫查詢並組織回答。
核心功能¶
- 長期記憶管理：爲 LLM 助手提供長期記憶能力。
- 原始記錄存儲：保持對話爲原始的、帶日期的記錄。
- 雙系統決策：
- 使用快速 System 1 模型（如 Jev）進行是/否判斷。
- 使用 LLM（System 2）撰寫查詢、命名需求並組合回答。
- 後臺索引：在後臺將記錄合併爲索引，指向原始記錄。
- 成本可控：記錄量在 1000 萬 token 以內時，單次回答的成本增長受控。
典型用法¶
插件以 DeepSeek Harness 的第二個實例運行，不改變主進程。它在每一輪對話中發佈一個 View。
注意事項與生態¶
- 運行方式：作爲 DeepSeek Harness 的第二個實例運行。
- 結果去向：實驗結果將被逐步引入官方項目 [mnemon] 和 [dsh-mnemon]。
- 環境要求：基於 package.json 信息，需 Node.js >= 20。
- 許可證：項目採用 MIT 許可證。
鏈接¶
- GitHub: https://github.com/Grivn/mnemon-memory-agent
- 目錄: https://www.skillhub.cn/plugins/Grivn/mnemon-memory-agent
