Agent-Memory-OS

<!-- mcp-name: io.github.yamantaka520/agent-memory-os --> <p align="center"> <img src="https://raw.githubusercontent.com/yamantaka520/Agent-Memory-OS/main/assets/agent-memory-os-logo-integrated-v2.png" alt="Agent Memory OS" width="560"> </p> <p align="center"> <a href="https://pypi.org/project/agent-memory-os/"><img src="https://img.shields.io/pypi/v/agent-memory-os?color=4F46E5" alt="PyPI"></a> <a href="https://pypi.org/project/agent-memory-os/"><img src="https://img.shields.io/pypi/pyversions/agent-memory-os" alt="Python"></a> <a href="https://github.com/yamantaka520/Agent-Memory-OS/actions"><img src="https://img.shields.io/github/actions/workflow/status/yamantaka520/Agent-Memory-OS/ci.yml?branch=main&label=CI" alt="CI"></a> <a href="https://hub.docker.com/r/yamantaka520/agent-memory-os"><img src="https://img.shields.io/docker/pulls/yamantaka520/agent-memory-os?color=2496ED&logo=docker&logoColor=white" alt="Docker Pulls"></a> <a href="LICENSE"><img src="https://img.shields.io/badge/license-Apache%202.0-green" alt="License"></a> <a href="https://glama.ai/mcp/servers/yamantaka520/Agent-Memory-OS"><img src="https://glama.ai/mcp/servers/yamantaka520/Agent-Memory-OS/badges/score.svg" alt="Glama score"></a> </p> <p align="center"> <b>English</b> · <a href="README.zh-Hant.md">繁體中文</a> </p> 一个 **本地优先的 AI 代理团队内存系统** — 不仅仅是给一个代理一个内存，而是为一个团队中的多个代理提供一个共享的内存结构：私有、团队和项目范围的内存，具有严格的访问控制，关联回忆和联邦同步，以保持节点（及其组织结构）的同步。一个 SQLite 文件，零依赖，Apache-2.0 许可证。 <p align="center"> <a href="#为什么">为什么</a> · <a href="#比较">比较</a> · <a href="#安装">安装</a> · <a href="#快速开始">快速开始</a> · <a href="#功能">功能</a> · <a href="#联邦-多主机同步">联邦</a> · <a href="#网页界面">网页界面</a> · <a href="docs/USER_GUIDE.md">用户指南</a> </p> <p align="center"> <img src="https://raw.githubusercontent.com/yamantaka520/Agent-Memory-OS/main/assets/console-demo.gif" alt="AgentMemoryOS 网页控制台 — 仪表盘，浏览，关联图" width="820"> <br>_{内置的网页控制台：代理使用的令牌，团队/项目内存浏览和 ACL 安全的关联图。} </p> ## 为什么 实际工作发生在 **代理团队** 中 — 一个项目可能混合使用 Claude Code、Codex、OpenClaw 和多个 Hermes 配置文件，跨越多个团队和项目，在一台机器或多台机器上。他们需要与 **正确** 的团队成员共享 **正确** 的知识，并保护私有信息： - **每个代理的内存** 是基础，而不是上限：持久的事实、偏好、程序和经验教训，在会话之间存活。 - **团队和项目内存** 是关键：团队看到 `team:<id>` 内存；项目（团队的子集）看到 `project:<id>` 内存；边界之间没有信息泄露。成员资格是首要的，可管理，并驱动访问控制列表（ACL）。 - **联邦** 保持节点的一致性：内存 **和** 组织结构（团队/项目/成员资格）在节点之间收敛，以便 `project:<id>` 在任何地方都具有相同的含义。 - **本地优先** 避免了云内存平台的延迟、成本和隐私权衡 — 内存存储在本地的 SQLite 文件中，每个提示只检索相关且预算内的切片。 ## 功能 - **本地优先，零依赖核心** — 一个 SQLite 文件（FTS5），不需要服务器。`pip install` 即可使用。 - **团队和项目，一级** — 团队是节点的集合；项目的成员是团队的子集。`team:<id>` 内存对整个团队可见，`project:<id>` 内存仅对该项目可见 — 具有严格的访问控制列表，可在控制台/命令行界面/API 中管理。删除成员会立即重新划分召回范围；删除范围会撤销其内存。 - **节点间联邦，具有真正的信任模型** — 便携式捆绑包 + 对等同步收敛内存、链接、配置文件 **和** 组织结构（团队/项目/成员资格），采用最后写入者获胜 + 删除标记。对等策略（`shared`/`full`/`team:`/`project:`）是一种 **强制执行授权范围**：对等节点只能在其自己的范围内断言成员资格，并且只能缩小内存的可见性，而不能扩大 — 捆绑包中没有跨范围升级。 - **可传播的撤销** — 独立的 ACL 时钟携带事后共享/撤销操作，以确保撤销访问实际上会撤销已经同步到对等节点的内存 — 而不会扰乱衰减时钟。 - **请求者感知 ACL** — 每个代理都有私有、代理、团队、项目和全局内存；可见性是严格的门控，在排名之前强制执行，而不是软评分。候选索引仅返回 ID；内容通过门控重新读取。 - **动态上下文包** — 每个提示的令牌预算和可审计的内存选择（`context_pack_report()` 解释每个包含/排除决策）。 - **真相仲裁** — 重复抑制、冲突检测（`CONFLICT` 标记）和核心内存的保留预算。 - **关联回忆（共振）** — 权威的 `memory_links` 图允许相关内存浮现，即使它们不共享查询项；遍历是 ACL 安全的（不可见节点不可遍历）。 - **赫布式强化** — 共同回忆的内存会加强链接（`record_recall` 或 `auto_reinforce=True` 上下文包）；无帮助的回忆会削弱链接和置信度（`helpful=False`）。 - **每个代理的召回配置文件** — 不同的代理角色对不同类型的内存赋予不同的权重（工程师倾向于 `procedure`，伴侣倾向于 `preference`）；配置文件在数据库中持久存在，仅重新加权排名，而不绕过 ACL。 - **内存生命周期** — 指数/线性衰减、固定、硬过期和写入侧的 `consolidate()` 过程，合并重复项并将强相关的集群合成为概念内存。 - **可选的侧车** — 语义向量候选者（turbovec）、MCP 服务器和 FastAPI 网页界面，均位于附加项之后；每个候选者都重新加入 SQLite 并通过严格的门控。 ## 比较 大多数代理内存系统针对托管规模的 LLM 驱动提取进行了优化。AgentMemoryOS 针对不同的目标进行了优化：**本地优先、团队范围和联邦** — 您自己运行的内存，在团队中的多个代理之间共享，并在您自己的条件下同步。这是 **定位** 比较（架构，而不是基准）；请对照项目的当前文档验证每一行。 | | **AgentMemoryOS** | Mem0 | Zep / Graphiti | |---|---|---|---| | **运行方式** | 一个 SQLite 文件，`pip install` | 自主（配置 LLM + 向量数据库）或托管 | Zep Cloud，或在 Neo4j/FalkorDB 上自主托管 Graphiti | | **核心是否需要 LLM** | **否** （FTS5 + 可选的本地向量） | 是（LLM 提取，例如 gpt-5-mini） | 是（LLM 构建时间图） | | **外部服务** | **不需要** | LLM API + 向量存储 | 图数据库 + LLM + 嵌入（3+ 个系统自主托管） | | **范围/ACL 模型** | 私有/代理/**团队/项目**/全局 — 排名前硬门控 | 按用户/代理/会话 ID | 按用户/会话图 | | **跨节点联邦** | **是** — 内存 **和** 组织结构收敛；撤销传播 | 集中式存储 | 集中式（云或您的图数据库） | | **内置 MCP 服务器** | **是** | 通过 SDK | 通过 SDK | | **许可证/自主托管** | Apache-2.0，完全开源 | 开源核心；图和高级层付费 | 社区版弃用；自主托管 = 原始 Graphiti | Mem0 和 Zep 在基于 LLM 的提取和规模化检索方面很强大 — AgentMemoryOS 故意不这样做。当您想要一个依赖轻、您拥有、正确共享给 **团队** 中的多个代理的内存，并且可以离线工作并根据您的条件同步时，请选择 AgentMemoryOS。 ## 安装 ```bash pip install 'agent-memory-os[full]' # 推荐：所有功能（网页界面、MCP、turbovec） ``` 或选择部分功能：`agent-memory-os`（核心，零依赖）、 `[api]`（网页界面）、 `[mcp]`（MCP 服务器）、 `[semantic]`（turbovec 向量召回）。 **Docker:** 预构建的多架构镜像是完整的 AgentMemoryOS（网页控制台 + MCP 服务器 + CLI）；第一个参数选择模式： ```bash docker run -p 8000:8000 -v amos-data:/data yamantaka520/agent-memory-os # 网页控制台（默认） docker run -i --rm yamantaka520/agent-memory-os mcp # 标准输入/输出 MCP 服务器 docker run --rm -v amos-data:/data yamantaka520/agent-memory-os check # 任意 CLI 命令 ``` 或 `docker compose up -d`。控制台位于 http://localhost:8000，内存持久存储在卷中。参见 [Docker 指南](docs/DOCKER.md)（Docker Hub 镜像 + 双节点同步网格）。 需要 Python 3.11+ 和 SQLite FTS5（包含在标准 CPython 构建中）。 安装后，运行两个命令： ```bash agent-memory doctor # 验证 FTS5、turbovec 和其他附加项 # （添加 --install 自动安装缺少的项） agent-memory token create # 保护网页界面 API 的 bearer 令牌 ``` 令牌存储在 `<home>/web_token`（模式 600）；`agent-memory-web` 自动拾取它，控制台在第一次使用时提示输入它。稍后使用 `agent-memory token show|rotate|disable` 管理它。 ## 快速开始 > 更喜欢可运行的脚本？[`examples/team_memory.py`](examples/team_memory.py) 展示了三个代理在 ~40 行代码中共用一个存储，并在严格的 ACL 下工作 — `python examples/team_memory.py`。 ```python from agent_memory_os import MemoryClient, RecallProfile client = MemoryClient(home="~/.agent-memory") # 写入具有所有权和可见性的内存 client.add("用户偏好暗色模式。", owner="mizuki", type="preference", visibility=[]) # 仅对所有者私有 client.add("部署目标是端口 8000。", owner="neo", type="environment", visibility=["global"]) # 对所有代理可见 # 请求者感知搜索：每个代理只能看到它可以查看的内容 hits = client.search("部署端口", requester_agent_id="neo") # 带有强化循环关闭的令牌预算上下文包 pack = client.context_pack("部署端口", requester_agent_id="neo", max_tokens=1200, auto_reinforce=True) # 关联内存；链接的内存会进入未来的召回 a = client.add("暂存部署因数据库锁失败。", visibility=["global"]) b = client.add("在架构更改前始终快照。", visibility=["global"]) client.link(a.id, b.id, relation="caused_by", weight=0.8) # 持久化代理角色：每个内存类型的软排名偏差 client.save_profile(RecallProfile(agent_id="neo", type_weights={"procedure": 1.5, "note": 0.7})) # 定期卫生：合并重复项，合成概念内存 client.consolidate() ``` ## 架构 ```text 查询 -> 候选者提供者（FTS5 | 向量侧车 | 共振图 | 回退） -> 按 stable_memory_id 合并/重用 -> 从 SQLite 重新连接权威行 -> ACL 硬门控 -> expires_at 硬门控 -> 评分（相关性 x 重要性 x 置信度 x 新鲜度 x 强化） -> 每个代理的配置文件重新加权（软） -> 真相仲裁 + 上下文预算分配 ``` 设计不变性： - `memories` 表是唯一的真相来源；FTS/向量索引是可处置和可重建的（`rebuild_indexes()`）。 - 候选者提供者仅返回 ID 和分数；内容始终通过 ACL 和过期硬门控重新读取。 - 关联边 (`memory_links`) 是权威数据，存活索引重建，废弃时衰减，从不让不可见的内存桥接两个可见的内存。 参见 [SPEC.md](SPEC.md) 以获取完整的合约。 ## 存储引擎：SQLite + turbovec AgentMemoryOS 使用 **两个具有严格不同权限** 的存储层： - **SQLite** （始终开启）是唯一的真相来源：内存、链接、配置文件和 FTS5 词汇索引都存储在一个 `memories.db` 文件中。 - **turbovec** （使用 `[full]` / `[semantic]` 安装）是语义向量引擎：一个内存量化索引，通过含义而不是关键字召回内存。它是 **可处置** 的 - 它仅返回候选 `memory_id` 和分数；每个候选者都重新加入 SQLite 并在 ACL/过期硬门控之前通过 SQLite 读取其内容，并且索引可以随时重建而无需触摸真实存储。 语义召回开箱即用： ```python client = MemoryClient(home="~/.agent-memory", semantic="auto") ``` `semantic="auto"` 将内置的确定性哈希嵌入器（无需模型下载； typo- 和 morphology-tolerant 词汇向量）连接到自同步的 turbovec 索引。索引在 `memories` 表更改时自行重建，当后端不可用时静默降级为词汇 + 共振召回。对于更深的语义，请将任何嵌入模型插入 `TurbovecSemanticCandidateProvider.from_vectors(...)` 并使用您自己的 `embed_query`。`agent-memory doctor` 确认后端可导入。 ## 内存生命周期 & 保留 ```bash agent-memory retention # 存档已过期 + 内存闲置 4+ 半生命周期 agent-memory retention --half-lives 0 # 仅过期 agent-memory check # SQLite + FTS + 链接图完整性 ``` 存档的内存会完全退出召回，但仍可恢复（网页界面 → 工具 → 保留 & 存档，或 `POST /api/archive/{id}/restore`）。固定和权限跟踪的内存永远不会被衰减。数据库通过版本化的前向迁移表自行迁移（`agent-memory check` 报告架构版本）。## 多代理项目 一个项目可以混合 **Claude Code、Codex、OpenClaw 和多个 Hermes 配置文件** 对抗单个存储库。注册每个代理及其团队 - 控制台的 **代理** 选项卡或通过 API - 团队成员自动看到 `team:<项目>` 内存，无需额外布线： ```bash curl -X POST localhost:8000/api/agents -H 'content-type: application/json' \ -d '{"id": "cc-main", "kind": "claude-code", "teams": ["apollo"]}' ``` 或声明整个舰队为代码 - `<home>/agents.toml` 每当存储库打开时重新应用（文件列出的代理是文件权威；手动注册的代理不受影响）：```toml [agents.cc-main] kind = "claude-code" teams = ["apollo", "shared-infra] # 多个团队 = 多个项目 [agents.hermes-neo] kind = "hermes" teams = ["apollo", "ops"] ``` 每个 MCP 服务器声明其身份 `AGENT_MEMORY_AGENT_ID`，因此内存默认为该代理作为所有者，每个召回携带其团队 ACL。 将一个项目的共享内存发送到另一个主机，使用 `agent-memory sync export apollo.jsonl --team apollo`。 ## 联邦（多主机同步）```bash # 每个主机一次性操作 agent-memory peers add http://other-host:8000 --peer-token <their token> # 收敛每个注册的对等节点（拉取 + 推取，确定性合并） -> 持久化内存ID -> ACL 硬门控 -> 过期硬门控 -> 评分（相关性 x 重要性 x 置信度 x 新鲜度 x 强化） -> 每个代理的配置文件重权衡（软） -> 真相仲裁 + 上下文预算分配 ``` 设计不变性： - `memories` 表是唯一的真相来源； FTS/向量索引是可处置和可重建的（`rebuild_indexes()`）。 - 候选者提供者仅返回 ID 和分数；内容始终通过 SQLite 中的 ACL 和过期硬门控重新读取。 - 关联边 (`memory_links`) 是权威数据，在索引重建后存活，废弃时衰减，从不让不可见的内存桥接两个可见的内存。 参见 [SPEC.md](SPEC.md) 以获取完整的合约。 ## 存储引擎：SQLite + turbovec AgentMemoryOS 使用 **具有严格不同权限的两个存储层**： - **SQLite** （始终开启）是唯一的真相来源：内存、链接、配置文件和 FTS5 词汇索引都存储在一个 `memories.db` 文件中。 - **turbovec** （使用 `[full]` / `[semantic]` 安装）是语义向量引擎：一个内存量化索引，通过含义而不是关键字召回内存。它是 **可处置** 的 - 它只返回候选 `memory_id` 和分数；每个候选者都重新加入 SQLite 并通过 ACL/过期硬门控，然后才能使用其内容，并且索引可以随时重建而无需触及真实存储。 语义召回开箱即用： ```python client = MemoryClient(home="~/.agent-memory", semantic="auto") ``` `semantic="auto"` 将内置的确定性哈希嵌入器（无模型下载； typo- 和形态容忍的词汇向量）连接到自同步的 turbovec 索引。索引在 `memories` 表更改时自动重建，并在后端不可用时静默降级为词汇 + 共振召回。对于更深层次的语义，请将任何嵌入模型插入 `TurbovecSemanticCandidateProvider.from_vectors(...)` 与您的 `embed_query`。`agent-memory doctor` 确认后端已导入。 ## 内存生命周期和保留 ```bash agent-memory retention # 存档已过期 + 内存闲置 4+ 半生命周期 agent-memory retention --half-lives 0 # 仅过期 agent-memory check # SQLite + FTS + 链接图完整性 ``` 存档的内存退出召回，但仍然可恢复（网页界面 → 工具 → 保留和存档，或 `POST /api/archive/{id}/restore`）。数据库通过版本化的前向迁移表自行迁移（`agent-memory check` 报告架构版本）。 ## 备份和恢复 ```bash agent-memory backup ~/backups/memories-$(date +%F).db --keep 14 # 轮换，保持 14 天 agent-memory restore ~/backups/memories-2026-07-11.db --force ``` 备份使用 SQLite 的在线备份 API，因此即使代理写入时也是一致的。 `--keep N` 轮换旧备份在同一名称系列中（并且永远不会删除实时数据库）。可处置的索引在恢复后自动重建。 **升级和健康状况。** `agent-memory update` 检查 PyPI，升级并重启正在运行的控制台； `--check` 仅报告。 将健康检查指向 `GET /healthz`（200/503）和 Prometheus 刮刀 `GET /metrics`。 ## 多代理项目 一个项目可以混合 **Claude Code、Codex、OpenClaw 和多个 Hermes 配置文件** 针对单个存储库。 将每个代理及其团队注册 - 在控制台的 **代理** 选项卡或通过 API - 团队成员自动看到 `team:<project>` 内存，无需额外布线： ```bash curl -X POST localhost:8000/api/agents -H 'content-type: application/json' \ -d '{"id": "cc-main", "kind": "claude-code", "teams": ["apollo"]}' ``` 或以代码形式声明整个舰队 - `<home>/agents.toml` 将在存储库打开时重新应用（文件列出的代理是文件权威的；手动注册的代理不受影响）： ```toml [agents.cc-main] kind = "claude-code" teams = ["apollo", "shared-infra"] # 多个团队 = 多个项目 [agents.hermes-neo] kind = "hermes" teams = ["apollo", "ops"] ``` 每个 MCP 服务器使用 `AGENT_MEMORY_AGENT_ID` 声明其身份，因此内存默认为该代理作为所有者，每个召回都携带其团队 ACL。将一个项目的共享内存发送到另一个主机，使用 `agent-memory sync export apollo.jsonl --team apollo`。 ## 联邦（多主机同步） ```bash # 每个主机一次性操作 agent-memory peers add http://other-host:8000 --peer-token <their token> # 与每个注册的对等方收敛（拉取 + 推，确定性合并） agent-memory sync auto ``` 对等方存储在每个家庭中； `sync auto`（或控制台的“立即同步网格”）与每个对等方双向收敛 - 内存和配置文件上的最后写入者获胜，链接上的最强者获胜 - 不可达的对等方单独失败，而不是致命。文件包 (`sync export/import`) 涵盖空隙转移。将其与 `agent-memory service install` 和 cron/timer 条目配对以实现连续网格同步。 ## 代理集成 按照逐步指南，将 AgentMemoryOS 连接到常见代理：点击一个图块： <p> <a href="docs/integrations/claude-code.md"><img src="assets/integrations/claude-code.svg" alt="Claude Code integration guide" height="56"></a> <a href="docs/integrations/codex.md"><img src="assets/integrations/codex.svg" alt="Codex integration guide" height="56"></a> <br> <a href="docs/integrations/openclaw.md"><img src="assets/integrations/openclaw.svg" alt="OpenClaw integration guide" height="56"></a> <a href="docs/integrations/hermes-agent.md"><img src="assets/integrations/hermes-agent.svg" alt="Hermes Agent integration guide" height="56"></a> </p> 任何支持 MCP 的代理都可以使用相同的模式：运行 `python -m agent_memory_os.mcp_server` 作为标准输入/输出 MCP 服务器，指向共享的 `AGENT_MEMORY_HOME`。 ## MCP 服务器 <a href="https://glama.ai/mcp/servers/yamantaka520/Agent-Memory-OS"><img width="380" height="200" src="https://glama.ai/mcp/servers/yamantaka520/Agent-Memory-OS/badges/card.svg" alt="AgentMemoryOS MCP server on Glama"></a> ```bash pip install 'agent-memory-os[mcp]' python -m agent_memory_os.mcp_server ``` 用一行代码将其连接到 Claude Code（设置代理身份，以便正确记录内存）： ```bash claude mcp add agent-memory --env AGENT_MEMORY_AGENT_ID=cc-main -- python -m agent_memory_os.mcp_server ``` 工具（11）：`memory_add`, `memory_search`, `memory_context_pack`, `memory_orchestrate_context`, `memory_link`, `memory_update`, `memory_recall_feedback`, `memory_consolidate`, `memory_offload_context`, `memory_reload_context`, `memory_snapshot_diff`. 设置 `AGENT_MEMORY_AGENT_ID`，以便每个代理都使用其自己的身份。 ## Web UI ```bash pip install 'agent-memory-os[api]' agent-memory-web --host 127.0.0.1 --port 8000 --home ~/.agent-memory-web ``` 控制台支持 **简体中文, 繁體中文, 日本語, 한국어** 等语言 — 根据浏览器自动检测，也可以在头部切换。它配备了统计仪表盘（范围/类型/关系分析，14天活动，最常回忆的记忆），搜索和最近浏览（记忆卡片，实时编辑，反馈，链接和删除操作），交互式关联图，上下文包预览和每个记忆的决策，以及添加/链接/合并工具 — 所有功能都由全局“扮演”身份驱动。 端点：健康/统计/仪表盘/完整性 · 记忆的增删改查 + 浏览 · 搜索 / 上下文包 / 协调 · 链接 + 图 · 回忆反馈 · 分享 / 撤销 / 审计 · 合并 / 保留 / 存档和恢复 · 代理注册 · 对等节点 + 网格同步 · 包导出/导入 · 所有者清除。完整表格请参见 [用户指南](docs/USER_GUIDE.md)。 搜索、浏览、图表、回忆反馈和上下文包接受 `requester_agent_id` 并强制执行与 SDK 相同的 ACL 门控。没有请求者运行的请求将在无限制的管理视图中进行 — 仅绑定到本地主机，或在每个 API 路由上需要带有 `--token <secret>`（或 `AGENT_MEMORY_WEB_TOKEN`）的 bearer token。 注意：请将 `--home` 数据库保留在本地磁盘上。网络文件系统（NFS/SMB）可能无法使用 `database is locked` 错误创建 SQLite FTS5 模式。 ### 以登录服务运行（macOS / Linux / Windows） ```bash agent-memory service install [--host 127.0.0.1] [--port 8000] agent-memory service status | start | stop | restart | uninstall ``` `install` 将控制台注册到本机服务管理器，以便在登录时自动启动，并在失败时重新启动 — macOS 上的 launchd LaunchAgent，Linux 上的 systemd 用户单元，Windows 上的任务计划程序登录任务。不需要管理员权限；服务运行在安装时使用的确切 Python 环境中，并记录到 `<home>/logs/web.log`。在 Linux 上，如果必须在登录前启动，请运行 `loginctl enable-linger $USER`。添加 `--dry-run` 以预览操作。CI 在 Ubuntu、macOS 和 Windows 上运行完整的测试套件，涵盖 Python 3.11–3.13。 ## 开发 ```bash pip install -e '.[dev]' pytest ``` ## 状态 **稳定 — `1.x`.** 上述合约已实现，涵盖了测试套件（300 多个测试，覆盖 3 个 OS 的 CI 矩阵，以及一个迁移升级路径作业），并通过重复的代码和安全审查（在 [`docs/reviews/`](docs/reviews/) 下的报告）。在 10k 记忆（添加 0.17 毫秒，搜索 <1 毫秒，上下文包 7.8 毫秒）下验证性能。数据库自我迁移到向前；请参见 [CHANGELOG](CHANGELOG.md) 以了解每个版本的变更。 ## 文档 - **[用户指南](docs/USER_GUIDE.md)** — 概念，完整的 CLI / HTTP API / MCP 参考，多代理和联合演练，操作检查清单 - **[Docker 指南](docs/DOCKER.md)** — `docker`/`docker compose` 启动，通过环境变量配置，两个节点的同步网格 - [SPEC](SPEC.md) — 合约和不变式，按里程碑划分 - **[安全](SECURITY.md)** 和 **[威胁模型](docs/THREAT_MODEL.md)** — 披露政策，信任边界和已知的诚实限制 - **[嵌入和规模](docs/EMBEDDINGS.md)** — 插入真正的嵌入模型；从 10k 到 1M 记忆的行为 - **[导入工具](docs/IMPORTERS.md)** — 从 Mem0 / Zep / ChatGPT 迁移 · **[兼容性](COMPATIBILITY.md)** — 1.x semver 承诺 - **[审查和报告](docs/reviews/)** — 代码和安全审查（通过 1.x 线），性能/安全报告和验证工具（`scripts/validation_run.py`） - [CHANGELOG](CHANGELOG.md) · [路线图](docs/ROADMAP.md) · [集成指南](docs/integrations/claude-code.md) ## 许可证 [Apache License 2.0](LICENSE)