從對話中自動提取事實、建立用戶畫像、語義搜尋 — 一個自我託管的記憶引擎
Extracts facts from conversations, builds user profiles, semantic search — a self-hosted memory engine
| Container | Docs | 狀態 | Memories | Static | Profile (static/dynamic) |
|---|---|---|---|---|---|
| hermes | 103 | done: 41, failed: 1, queued: 61 | 10 | 0 | 2 / 100 |
| study_lyons | 70 | done: 33, extracting: 1, failed: 3, queued: 33 | 10 | 0 | 1 / 100 |
| prices_investigator_director | 113 | done: 40, extracting: 4, failed: 4, indexing: 2, queued: 63 | 10 | 0 | 2 / 100 |
| security_reverse_director | 2 | done: 1, queued: 1 | 6 | 0 | 0 / 6 |
每個 document 由 memory agent（LLM）分析，自動抽取出「值得記住嘅事實」，唔係倒垃圾入去 — 噪音唔會變成永久記憶。
The memory agent (LLM) analyzes every document and extracts facts worth remembering — noise never becomes permanent memory.
自動維護 static（穩定事實）+ dynamic（近期活動）兩層畫像。一次 API call ~50ms 攞晒。
Auto-maintained static + dynamic profile layers. One API call, ~50ms.
RAG + Memory 一條 query：知識庫文件 + 個人化上下文一齊返。
RAG + Memory in a single query: knowledge base docs + personalized context together.
「啱啱搬咗去 SF」自動取代「住喺 NYC」；臨時事實到期自動過期。
"Just moved to SF" supersedes "lives in NYC"; temporary facts expire automatically.
PDF、圖片（OCR）、影片（轉錄）、code（AST-aware chunking）— 上傳就自動處理。
PDFs, images (OCR), videos (transcription), code (AST-aware chunking) — upload and it works.
Google Drive / Gmail / Notion / OneDrive / GitHub 自動同步（雲端版功能；self-hosted binary 唔包）。
Auto-sync from Drive, Gmail, Notion, OneDrive, GitHub (cloud-only; not in the self-hosted binary).
add 內容 + containerTag，毫秒級回傳 queued
add content + containerTag, returns queued in ms
ingestion queue 限速處理，搜尋永遠唔使等
rate-limited queue; search never waits
內容切成語義 chunks（大 doc 可分 80+ chunks）
content split into semantic chunks
本地 Xenova/bge-base-en-v1.5（768d）向量化
local Xenova/bge-base-en-v1.5 (768d) vectors
LLM 讀全部 chunks，提取 memories（我哋用 deepseek-v4-flash）
LLM reads all chunks, extracts memories (deepseek-v4-flash)
facts 入 graph：版本化、矛盾解決、過期
facts enter the graph: versioned, contradictions resolved
語義搜尋 + 畫像即時可用（~50ms）
semantic search + profile live (~50ms)
| Benchmark | 結果 | Result |
|---|---|---|
| LongMemEval（長期記憶） | #1 — 95% Recall@15，上下文縮減 99.4% | |
| LoCoMo（多跳/時序推理） | #1 | |
| ConvoMem（個人化） | #1 | |
| Memory vs RAG | RAG 只檢索 document chunks；Memory 提取並追蹤「關於用戶嘅事實」— 兩者一齊行（hybrid） | RAG retrieves chunks; Memory extracts facts about users — both run together (hybrid) |
| Endpoint | Method | 用途 | Purpose |
|---|---|---|---|
| /v3/documents | POST | add 內容（text/URL/HTML） | add content |
| /v4/search | POST | 混合搜尋（hybrid/memories/documents） | hybrid search |
| /v4/profile | POST | 用戶畫像 + 相關記憶 | user profile + relevant memories |
| /v4/memories/list | POST | 列出 memories（isStatic 標記） | list memories |
| /v4/openapi | GET | 完整 OpenAPI spec（602KB） | full OpenAPI spec |
| / | GET | local quickstart 頁 | local quickstart page |