simplemem-skill

SimpleMem 為基於 LLM 的代理提供強大且持久的記憶層，使它們能夠在不同的對話階段保持上下文。透過實作語義無損壓縮，它將原始對話轉換為原子的、自包含的事實，讓代理能夠回憶起長期互動中發現的特定決策、承諾與複雜資訊。此工具專為開發者、研究人員及高階使用者設計，他們需要 AI 助理能隨著專案演進，而不是在每次對話中都從頭開始。

系統處理了指代消解、時間錨定與多租戶隔離，確保儲存的資料保持相關性、可搜尋性與安全性。無論您是使用 Claude Desktop、Cursor 還是支援 MCP 的環境，SimpleMem 都能作為一個智慧儲存庫，主動儲存寶貴的對話內容，並在您開口詢問之前檢索出相關背景。它支援混合檢索方法，結合語義搜尋與關鍵字匹配，提供極高精準度且無干擾的資訊。

• 先進的語義壓縮與指代消解技術，可將代名詞替換為實體名稱。

• 支援多工作階段與跨對話的上下文保存，利用 LanceDB 或 SQLite 進行持久化儲存。

• 具備多模態記憶能力，支援文字、影像、音訊與影片體驗的儲存與檢索。

• 高效能架構設計，在 LoCoMo 基準測試中顯著優於傳統記憶解決方案。

• 無縫整合 MCP (Model Context Protocol)，適用於生產環境的串流 HTTP 傳輸。

• 彈性的 CLI 工具，用於手動管理記憶，包含統計資料、清除資料與大量匯入 JSONL 檔案。

• 使用帶有 ISO 8601 時間戳記的 add 指令，保存複雜決策的歷史紀錄。

• 使用帶有 reflection 選項的 query 指令，使代理能夠分析檢索到的資訊以獲得更深入的洞察。

• 在 src/config.py 中設定 OpenRouter API 金鑰，以啟用高品質的嵌入模型與 LLM 處理能力。

• 使用自訂資料表名稱，針對不同的專案領域或研究串列進行記憶上下文分割。

• 定期使用 stats 工具監控記憶統計資料，以管理儲存空間的成長。

• 確保透過 requirements.txt 滿足所有依賴套件，以保持與本機環境的相容性。