Mnemon Skill：让 AI Agent 跨会话不再失忆的 LLM 监督式记忆系统

Skill超级捕获手 技术创作者 2026-10-04 135 阅读

Mnemon 是近期出现在 GitHub Trending 上的开源记忆系统，专注于解决 AI Agent 的跨会话遗忘问题。它不内置 LLM，而是让宿主 LLM 直接做监督者，二进制程序负责存储和图索引，命令名称直接映射 LLM 认知词汇（remember/recall/link 而非 INSERT/SELECT）。一条命令完成安装部署，支持 OpenClaw、Claude Code、Codex 等主流 Agent 框架，MCP 协议接口，零额外 API 成本。对于需要 Agent 在多轮会话中保持上下文、记住关键决策和项目知识的开发者来说，这是一个轻量但完整的解决方案。

功能与原则

Mnemon 的核心设计哲学是「LLM 监督式」：不把 LLM 嵌入记忆管线，而是让宿主 LLM 充当判断层，二进制程序处理所有确定性工作。

三个核心原语：

  • remember：让 Agent 将关键事实写入记忆，输出结构化 JSON（action=added/updated/skipped），含语义候选和因果候选供人工复核
  • link：建立记忆之间的因果/时序/语义关联，形成知识图
  • recall：意图感知检索，输入自然语言问题，从四图中拉取相关记忆

二进制层提供去重（含冲突自动替换）、重要度衰减（interest decay）、图索引查询。所有操作均通过 LLM 的认知词汇而非 SQL/INSERT 等数据库术语——这是 Mnemon 认为 MCP 填补的协议空白：MCP 标准化了 LLM 如何调用工具，ODBC/JDBC 标准化了应用如何访问数据库，但「LLM 以记忆语义与数据库交互」这一层此前没有协议。

认可度

  • GitHub 607 stars（截至 2026-10-03，出现在 GitHub Trending · LLM Agents Radar）
  • 2026-10-03 新出现在 Trending 榜单，当天获得大量关注
  • 收录于 MCPgee（MCP 服务器目录，全球 33,000+ 服务器）、LobeHub Skill 市场
  • MIT 协议，Go 语言编写，单二进制分发

链接

GitHub：https://github.com/mnemon-dev/mnemon

原作者

mnemon-dev（GitHub 组织）——专注 AI Agent 记忆系统的开源团队，同时维护 research 分支 Grivn/mnemon-memory-agent（学术版本，含完整论文与 benchmark 数据）。

介绍

AI Agent 在会话之间会遗忘一切。上下文压缩丢弃关键决策，跨会话知识消失，长对话把早期信息推出窗口——这是当前所有 Agent 框架的共同痛点。

Mnemon 为 Agent 提供持久的跨会话记忆，架构核心是四图知识存储：

  1. 事实图：存储具体事实和决策
  2. 因果图：记忆之间的因果关联
  3. 时序图：按时间线组织事件和进展
  4. 实体图：实体及其属性与关系

不同于 Mem0、Letta 等把 LLM 嵌入管线的方案，Mnemon 采用 LLM-Supervised 模式：二进制程序（Go 编写）处理存储、图索引、搜索、衰减等确定性计算；宿主 LLM（Claude、DeepSeek 等）负责判断「记什么、怎么关联、何时遗忘」。这带来了两个关键优势：零额外推理成本（无需调用第二个 LLM API）和透明信号（输出结构化 JSON，含 action、semantic_candidates、causal_candidates）。

Claude Max/Pro 用户可直接复用现有订阅，无需申请额外 API 密钥。

特点

  • 单二进制零依赖：Go 编译的独立可执行文件，无需 Node.js/Python 运行时，通过 Homebrew / go install / npm 安装
  • LLM-Supervised 架构：宿主 LLM 做判断，二进制处理存储，无额外推理费用
  • 四图记忆架构：事实图、因果图、时序图、实体图，支持图遍历和混合向量搜索（需 Ollama + nomic-embed-text）
  • MCP 协议接口：以 Model Context Protocol 标准接入 Claude Desktop、Cursor、VS Code 等主流 Agent
  • 意图原生命令：remember/recall/link 直接映射 LLM 认知词汇，输出带 signal transparency 的结构化 JSON
  • Hook 系统：remind（每次消息触发）、nudge（回复后建议记忆）、compact（上下文压缩前保存关键洞察）
  • 零 API 成本：Claude Max/Pro 订阅即智能层，无中间商赚差价

使用方法

安装（Homebrew，推荐）：

brew install mnemon-dev/tap/mnemon

或 Go install：

go install github.com/mnemon-dev/mnemon@latest

一键接入 OpenClaw：

mnemon setup --target openclaw --yes

该命令自动部署：Skill（SKILL.md）、Hook（agent:bootstrap 行为引导）、Plugin（remind/nudge/compact 钩子）、Prompt 模板（guide.md/skill.md）。重启 OpenClaw gateway 生效。

Claude Code / Codex 配置（手动）：

在 ~/.claude/settings.json 或 ~/.config/claude-desktop-config.json 中添加：

{
  "mcpServers": {
    "mnemon": {
      "command": "mnemon",
      "args": ["serve"],
      "env": {
        "MNEMON_DATA_DIR": "~/.mnemon",
        "MNEMON_STORE": "default"
      }
    }
  }
}

核心命令示例：

# 记忆关键事实
mnemon remember "auth service uses JWT tokens with 24h expiry" --cat fact --imp high --entities "auth-service,jwt" --source agent

# 关联记忆（因果链接）
mnemon link --type causal --weight 0.8 --meta "decision from architecture review"

# 检索
mnemon recall "What do you know about our API rate limiting approach?" --limit 10

启用 Ollama 向量搜索（可选，混合图+向量检索）：

ollama pull nomic-embed-text
export MNEMON_EMBED_ENDPOINT=http://localhost:11434
export MNEMON_EMBED_MODEL=nomic-embed-text

使用场景与人群

  • 多会话项目开发者：用 Claude Code/Codex 做长期项目，Agent 需记住架构决策、API 设计和团队约定
  • AI 研究者：跨会话追踪实验进展、结果和假设，避免每次从零开始
  • 复杂 Agent 编排玩家：使用 OpenClaw/Pi 等多 Agent 框架，需要记忆层让各 Agent 共享上下文
  • Claude Max/Pro 订阅者：已有 LLM 订阅但不想付额外 API 费用，希望低成本获得持久记忆

输入与输出案例

案例 1：记忆项目关键决策

Input：

mnemon remember "We chose PostgreSQL over MongoDB because of ACID compliance requirements for financial transactions" --cat decision --imp high --entities "database,postgresql,mongodb" --source agent

Output：

{
  "action": "added",
  "id": "mem_abc123",
  "category": "decision",
  "importance": "high",
  "semantic_candidates": [],
  "causal_candidates": ["database schema discussion last week"]
}

案例 2：跨会话检索

新会话中提问：

mnemon recall "What database decisions were made for this project?" --limit 5

Output：

{
  "results": [
    {
      "id": "mem_abc123",
      "text": "We chose PostgreSQL over MongoDB because of ACID compliance requirements for financial transactions",
      "category": "decision",
      "importance": "high",
      "entities": ["database", "postgresql", "mongodb"],
      "created_at": "2026-10-03T10:22:00Z",
      "link_type": "causal",
      "linked_to": ["database schema discussion last week"]
    }
  ],
  "total": 1
}

GitHub: https://github.com/mnemon-dev/mnemon

评论区

0 条评论

登录后可评论。

Skill超级捕获手 135 阅读