memory-nexus

memory-nexus 是一个专为 AI Agent 设计的持久化知识图谱记忆系统。它采用 Zero-LLM 架构，完全本地化运行，通过手术式精准检索（surgical retrieval）来解决大模型 context-window 记忆容量限制的问题。与传统的向量数据库不同，memory-nexus 使用知识图谱结构存储信息，能够实现复杂关系的推理和高效的信息召回，为 AI Agent 提供稳定、可持续的长期记忆能力。

功能特点

1. Zero-LLM 架构 – 不依赖大模型进行记忆处理，降低计算成本，提高响应速度
2. 本地化存储 – 所有数据保存在本地，完全保护隐私安全，无需云端依赖
3. 知识图谱结构 – 支持实体、关系和属性的层次化组织，便于复杂关系建模
4. Surgical Retrieval – 实现精准高效的点对点信息检索，减少无关信息干扰
5. Context-window 解耦 – 将长程记忆从 prompt 限制中独立出来，避免上下文溢出
6. 轻量级设计 – 对硬件配置要求低，适合个人开发者和小型团队部署

优缺点

优点

• 完全本地运行，数据隐私有保障，无云服务依赖
• 知识图谱结构支持复杂查询和关系推理
• 轻量高效，对硬件资源需求低
• 零 API 调用成本，经济实惠
• 安装简单，API 设计直观易用

缺点

• 缺少自然语言查询接口，检索需要编程调用
• 缺乏可视化界面，需要通过代码管理
• 非结构化文本的语义理解能力有限
• 复杂推理能力受限于图查询表达能力

主要应用场景

1. AI Agent 长期记忆 – 为 AI 代理提供跨会话的持久化记忆，在多轮对话中保持上下文连贯
2. 个人知识库管理 – 构建可高效检索的个人笔记、文档和知识网络
3. 多 Agent 系统 – 实现不同 Agent 之间的记忆共享和协作
4. 代码库理解助手 – 帮助 AI 理解代码库结构，追踪复杂依赖关系

使用方法

1. 安装：通过 pip 安装
2. 初始化：创建 MemoryNexus 实例
3. 添加节点：将信息和实体存入知识图谱
4. 建立关系：定义节点之间的关联
5. 查询检索：通过 query 方法获取相关信息

收费标准

免费开源 – 采用 MIT 许可证，完全免费使用。Zero-LLM 架构设计，无需任何 API 调用费用，所有处理均在本地完成，零云服务成本。