Mnemosyne

主要特性

• ✓
  亚毫秒级延迟： 直接 SQLite 访问实现低于 1ms 的查询，无网络开销或 HTTP 往返。
• ✓
  100% 隐私与本地化： 所有数据保留在本地设备——无需云服务，数据永不离开设备。
• ✓
  原生向量搜索： 内置 sqlite-vec 集成，支持混合排序（50% 向量 + 30% 全文搜索 + 20% 重要性权重）的语义搜索。
• ✓
  波束架构： 三层记忆系统——工作记忆（热上下文）、情景记忆（长期存储）和草稿板（推理过程）。
• ✓
  自动整合： 通过可配置的休眠周期，自动将旧工作记忆总结并转移至情景存储。
• ✓
  混合搜索： 结合向量相似度、全文搜索和重要性评分，实现最优回忆准确度。
• ✓
  流式传输与增量同步： 实时增量记忆更新，结果到达即流式输出——无需等待完整批次。
• ✓
  智能过滤： 使用忽略模式阻止噪声或无关内容进入记忆，保持上下文窗口清洁。

目标用户

构建自主智能体、聊天机器人或本地 AI 应用的 AI 开发者和工程师。包括使用 Hermes、Claude Code、Cursor、Codex、OpenWebUI 或 OpenClaw 的团队，他们需要快速、持久的记忆能力且不依赖云服务。同样适用于运行记忆检索基准测试的研究人员，或任何希望从云记忆服务迁移到本地解决方案的用户。

如何使用 Mnemosyne？

使用 pip install mnemosyne-memory 安装。无需配置文件、环境变量或云账户。直接在代码中导入 remember 和 recall 函数——使用 remember("内容", importance=0.9, scope="global") 存储记忆，使用 recall("查询") 检索相关上下文。对于 Zep、Mem0、Honcho 或 Hindsight 的现有用户，可使用提供的迁移命令即时切换。完整文档请访问官方网站。

定价与免费试用

Mnemosyne 永久免费。网站上的对比表显示其成本为"永久免费"，而 Honcho、Zep 和 Mem0 均为付费方案。

效果评价

Mnemosyne 完全兑现承诺：一个零依赖、亚毫秒级的记忆系统，完全在本地运行。性能数据令人瞩目——写入 0.81ms、读取 0.076ms、冷启动即时完成，所有测试均在 CPU 上完成（无需 GPU）。对于厌倦管理 API 密钥、云信用额度和网络延迟的开发者而言，这是一个令人耳目一新的简单替代方案。在 10 万、50 万和 100 万 token 上下文中的 BEAM 基准测试结果显示其具备扩展能力，但实际性能取决于具体工作负载。如果你需要为 AI 智能体提供快速、私密、离线的记忆功能，且不愿按查询付费，Mnemosyne 是值得尝试的有力竞争者。