simplemem-skill

SimpleMem 为基于 LLM 的代理提供强大且持久的记忆层，使它们能够在不同的对话阶段保持上下文。通过实现语义无损压缩，它将原始对话转换为原子的、自包含的事实，让代理能够回忆起长期互动中发现的特定决策、承诺与复杂信息。此工具专为开发者、研究人员及高阶用户设计，他们需要 AI 助理能随着专案演进，而不是在每次对话中都从零开始。

系统处理了指代消解、时间锚定与多租户隔离，确保存储的资料保持相关性、可搜寻性与安全性。无论您是使用 Claude Desktop、Cursor 还是支持 MCP 的环境，SimpleMem 都能作为一个智慧存储库，主动存储宝贵的对话内容，并在您开口询问之前检索出相关背景。它支持混合检索方法，结合语义搜寻与关键词匹配，提供极高精准度且无干扰的信息。

• 先进的语义压缩与指代消解技术，可将代名词替换为实体名称。

• 支持多工作阶段与跨对话的上下文保存，利用 LanceDB 或 SQLite 进行持久化存储。

• 具备多模态记忆能力，支持文字、影像、音讯与视频体验的存储与检索。

• 高效能架构设计，在 LoCoMo 基准测试中显著优于传统记忆解决方案。

• 无缝整合 MCP (Model Context Protocol)，适用于生产环境的串流 HTTP 传输。

• 弹性的 CLI 工具，用于手动管理记忆，包含统计资料、清除资料与大量导入 JSONL 文件。

• 使用带有 ISO 8601 时间戳的 add 指令，保存复杂决策的历史记录。

• 使用带有 reflection 选项的 query 指令，使代理能够分析检索到的信息以获得更深入的洞察。

• 在 src/config.py 中设定 OpenRouter API 密钥，以启用高质量的嵌入模型与 LLM 处理能力。

• 使用自定义数据表名称，针对不同的专案领域或研究串列进行记忆上下文分割。

• 定期使用 stats 工具监控记忆统计资料，以管理存储空间的成长。

• 确保通过 requirements.txt 满足所有依赖套件，以保持与本机环境的相容性。