本地优先的AI记忆层，适用于任何LLM。持久知识图谱，实体提取，语义检索 - 无需云服务。什么是mnemo？大多数LLM在对话结束的瞬间就会忘记一切。mnemo解决了这个问题。mnemo是一个边车服务，监视您提供的每一个对话，通过LLM提取命名的实体和关系，在SQLite中构建持久知识图谱，并在未来的提示中自动注入相关上下文 - 在50毫秒内完成。它与Ollama（完全本地，免费）、OpenAI、Anthropic或任何兼容OpenAI的API一起工作。它作为一个单独的静态二进制文件发布，完全不依赖云服务。如何工作您的应用 │ ▼ POST /ingest ──► 实体提取（LLM） ──► 知识图谱（SQLite + petgraph） │ POST /retrieve ◄── 评分 + 排名 ◄── 图遍历 + 全文搜索 │ ▼ context_prompt ──► 注入到您的LLM提示中 您通过/ingest POST原始文本（一个对话轮次、一个文档、一个笔记）。mnemo将其发送到您配置的LLM，并提取实体（人、工具、地点、概念）及其之间的关系。根据名称+类型去重实体，合并别名，所有内容写入SQLite。内存中的petgraph在原子操作中更新。在POST /retrieve时，mnemo运行一个六阶段流程：全文块搜索 → 实体名称搜索 → 图扩展（在知识图谱上进行BFS） → 关系过滤 → 评分 + 排名 → 组装context_prompt字符串。您将context_prompt注入到您LLM的系统提示中。完成。快速入门路径A — Docker + Ollama（完全免费，推荐） git clone https://github.com/zaydmulani09/mnemo cd mnemo docker compose up -d # 第一次拉取llama3模型（约4 GB） docker exec mnemo-ollama ollama pull llama3 # 验证一切是否正常 curl http://localhost:8080/health 路径B — 二进制（Ollama或OpenAI单独运行） cargo install --path crates/mnemo-api # 使用Ollama export MNEMO_LLM_BASE_URL=http://localhost:11434/v1 mnemo-api # 使用OpenAI export MNEMO_LLM_BASE_URL=https://api.openai.com/v1 export MNEMO_LLM_API_KEY=sk-... export MNEMO_LLM_MODEL=gpt-4o-mini export MNEMO_LLM_PROVIDER=openai mnemo-api 路径C — Python SDK pip install mnemo-sdk from mnemo import MnemoClient client = MnemoClient () # 服务器在 http://localhost:8080 # 存储一个记忆 client . ingest ( '我正在构建一个名为vecdb的Rust向量数据库' ) # 获取注入到下一个LLM提示中的上下文 print ( client . get_context ( '我在做什么？' )) API参考 所有端点都接受并返回application/json。基本URL：http://localhost:8080。 方法路径 描述 请求体 响应 GET /health 服务器 + 数据库 + LLM状态 — HealthResponse POST /ingest 存储文本，提取实体 IngestRequest IngestResponse POST /retrieve 获取排名的记忆上下文 RetrievalQuery RetrievalResult GET /entities 列出实体（分页） ?limit&offset Entity[] GET /entities/:id 通过UUID获取实体 — Entity DELETE /entities/:id 删除实体（级联） — { 'deleted': true } GET /entities/:id/neighbors 知识图谱邻居 ?depth（最大5） GraphNode[] GET /chunks 列出记忆块（分页） ?limit&offset&session_id MemoryChunk[] GET /chunks/:id 通过UUID获取块 — MemoryChunk DELETE /chunks/:id 删除块 — { 'deleted': true } POST /search 全文搜索实体 + 块 { 'query','limit' } { 'entities','chunks' } DELETE /wipe 删除所有记忆（不可逆） 头部：X-Confirm-Wipe: true { 'wiped': true } GET /stats 实体/块/图计数 + 正常运行时间 — StatsResponse 主要请求/响应类型：完整端点文档和curl示例：docs/api.md 配置 环境变量 变量 默认值 描述 MNEMO_DB_PATH mnemo.db SQLite数据库文件路径 MNEMO_PORT 8080 API服务器端口 MNEMO_LLM_BASE_URL http://localhost:11434/v1 OpenAI兼容的LLM基本URL MNEMO_LLM_MODEL llama3 实体提取模型名称 MNEMO_LLM_API_KEY ollama API密钥（任何值对Ollama有效） MNEMO_LLM_PROVIDER ollama 提供者类型：ollama，openai，anthropic，custom TOML配置文件 传递 --config path/to/config.toml给mnemo-api。请参见mnemo.example.toml： db_path = 'mnemo.db' port = 8080 [llm] provider = 'ollama' base_url = 'http://localhost:11434/v1' model = 'llama3' api_key = 'ollama' timeout_secs = 30 max_retries = 3 max_tokens = 2048 temperature = 0.1 环境变量优先于TOML值。活动配置源在GET /health中报告 → config_source。 CLI 安装：cargo install --path crates/mnemo-cli 用法： # 存储一个记忆 mnemo ingest '我使用Neovim并偏爱黑暗模式' # 获取相关上下文 mnemo search '我使用什么编辑器？' # 列出所有提取的实体 mnemo entities # 显示实体详细信息 + 图邻居 mnemo entity < uuid > --neighbors # 列出记忆块 mnemo chunks # 服务器健康 mnemo health # 记忆统计 mnemo stats # 删除所有内容（提示确认） mnemo wipe # 跳过确认提示 mnemo wipe --yes # 指向非默认服务器 mnemo --server http://192.168.1.10:80