English | 中文
LLM 智能体的持久记忆系统 — LLM 监督式、钩子集成、四图架构。
LLM 智能体在会话之间会遗忘一切。上下文压缩丢失关键决策，跨会话知识消失，长对话将早期信息推出窗口。
Mnemon 为你的 LLM 提供持久的跨会话记忆 — 四图知识存储、意图感知检索、重要度衰减、自动去重。单一二进制，零 API 密钥，一条命令完成部署。
**实验性 beta：**这个仓库也包含
mnemon-harness，它是一个源码构建的 project-local host-agent lifecycle state beta。它和稳定版mnemonCLI 分离， 还不是生产可用版本，并且可能随时出现 breaking change。见 harness/README.md。
Claude Max / Pro 订阅用户？ Mnemon 完全通过你现有的订阅运作——不需要额外的 API 密钥。你的 LLM 订阅本身就是智能层。两条命令即可完成。
多数记忆工具在管线内嵌入自己的 LLM。Mnemon 采用不同路线：你的宿主 LLM 就是监督者。 二进制处理确定性计算（存储、图索引、搜索、衰减）；LLM 做判断（记什么、怎么关联、何时遗忘）。没有中间人，没有额外推理开销。
| 模式 | LLM 角色 | 代表项目 |
|---|---|---|
| LLM-Embedded | 管线内部的执行者 | Mem0, Letta |
| File Injection | 无 — 会话启动时读取文件 | Claude Code Memory |
| MCP Server | 通过 MCP 协议提供工具 | claude-mem |
| LLM-Supervised | 独立二进制的外部监督者 | Mnemon |
Mnemon 同时填补了协议栈中的空白。MCP 标准化了 LLM 如何发现和调用工具，ODBC/JDBC 标准化了应用如何访问数据库，但 LLM 以记忆语义与数据库交互——这一层尚无协议。Mnemon 的三个原语——remember、link、recall——构成一个意图原生协议：命令名称映射到 LLM 的认知词汇（remember 而非 INSERT，recall 而非 SELECT），输出是带有信号透明度的结构化 JSON，而非原始数据库行。
LLM 监督式模式：钩子驱动生命周期，宿主 LLM 做判断，二进制处理确定性计算。
记忆具有复利效应 — 积累越久，价值越大。LLM 引擎不断迭代，技能文件几乎零成本编写，但记忆是随用户一起增长的私有资产。它是智能体生态中唯一值得深度投入的组件。
Mnemon 构建的真实知识图谱 — 87 条洞察，2150 条边，横跨四种图类型。
详见 设计与架构。
Homebrew（macOS / Linux）：
brew install mnemon-dev/tap/mnemonGo install：
go install github.com/mnemon-dev/mnemon@latest从源码构建：
git clone https://github.com/mnemon-dev/mnemon.git && cd mnemon
make install验证安装：
mnemon --versionmnemon setupmnemon setup 自动检测 Claude Code，交互式部署技能文件、钩子和行为引导。启动新会话 — 记忆自动运作。
mnemon setup --target openclaw --yes一条命令将技能文件、钩子、插件和行为引导部署到 ~/.openclaw/。重启 OpenClaw 网关即可激活。
mnemon setup --target pi --yes一条命令将 mnemon skill、prompt 文件和 Pi TypeScript extension 部署到
.pi/。这个 extension 会把 Mnemon 的 lifecycle reminder 映射到 Pi 事件
（resources_discover、before_agent_start、agent_end、
session_before_compact）。启动新的 Pi session 或运行 /reload 即可激活。
mnemon setup --target hermes --yes一条命令将 mnemon skill、prompt 文件和 Hermes shell hooks 部署到
~/.hermes/。该集成使用 Hermes 原生生命周期 hooks：
on_session_start、pre_llm_call、post_llm_call，以及可选的
on_session_finalize。Hermes 可能会在首次运行时提示批准这些 shell hooks。
NanoClaw 在 Linux 容器内运行智能体。使用 /add-mnemon 技能集成：
- 在宿主机安装 mnemon（见上方）
- 在 NanoClaw 项目中运行
/add-mnemon— Claude Code 将修改 Dockerfile、添加容器技能、配置卷挂载 - 每个 WhatsApp 群组获得独立的记忆存储，可选全局共享记忆（只读）
技能文件位于 NanoClaw 仓库的 .claude/skills/add-mnemon/ 目录。
mnemon setup --eject设置完成后，记忆通过轻量 harness 运作：SKILL.md 教命令，GUIDELINE.md 教判断，hook 在生命周期边界提醒，mnemon binary 执行确定性记忆操作。已支持的 setup 命令可以自动化这些步骤，但 harness 本身仅靠 Markdown 也可安装。
会话启动
|
v
Prime -> 让 skill、guideline 和当前 store 可见
|
v
用户 prompt 到达
|
v
Remind -> 判断 recall 是否可能改变当前任务
|
v
Agent 工作，并且只在有用时调用 Mnemon
|
v
Nudge -> 判断 durable writeback 是否有正当性
|
v
上下文压缩前
|
v
Compact -> 只保存关键连续性
四个 hook phase 是提醒，不是硬 workflow。Prime 让 skill、guideline 和当前 store 可见。Remind 触发 recall 判断。Nudge 触发 writeback 判断。Compact 在上下文压缩前只保留关键连续性。
你不需要自己运行 mnemon 命令。Agent 会在 guideline 判断 memory 有用时执行。
- 零用户操作 — 安装一次；支持 hook 的 runtime 可用 hook，minimal runtime 可用持久规则
- LLM 监督式 — 宿主 LLM 主动决定记什么、更新什么、遗忘什么；无内嵌 LLM，无 API 密钥
- 多框架支持 — Claude Code 和 Codex（hooks）、OpenClaw（plugins）、Pi（extensions）、Nanobot（skills）等
- Markdown 可安装 harness —
SKILL.md、INSTALL.md、GUIDELINE.md和四个生命周期提醒 - 四图架构 — 时序、实体、因果、语义四种边，不仅仅是向量相似度
- 意图原生协议 — 三个原语（
remember、link、recall）映射到 LLM 的认知词汇而非数据库语法；结构化 JSON 输出，带信号透明度 - 意图感知召回 — 图遍历 + 可选向量搜索（RRF 融合），所有查询默认启用
- 内置去重 —
remember自动检测重复和冲突；跳过或自动替换 - 保留度生命周期 — 重要性衰减、访问计数提升、免疫规则、垃圾回收
- 可选嵌入向量 — 本地 Ollama 集成，支持混合向量+关键词搜索
所有本地 AI 智能体 — 跨会话、跨框架 — 共享一个活跃的记忆池。
Claude Code ──┐
│
OpenClaw ─────┤
│
Pi ───────────┤
│
NanoClaw ─────┤
├──▶ ~/.mnemon ◀── 共享记忆
OpenCode ─────┤
│
Gemini CLI ───┘
基础已就绪：一个 ~/.mnemon 数据库，任何 agent 都可以读写。Claude Code setup 可自动安装 hook；OpenClaw 可以使用 plugin hooks；Pi 通过原生 skill 和 TypeScript lifecycle extension 集成；NanoClaw 通过容器技能和卷挂载集成。同一个 harness 可以安装到任何支持 skill、rule、system prompt 或 event hook 的 LLM CLI。
更长远的方向是记忆网关：协议层与存储引擎解耦。当前 SQLite 后端是第一个适配器；协议面（remember / link / recall）可运行在 PostgreSQL、Neo4j 或任何图数据库之上。Agent 侧优化（何时召回、记什么）与存储侧优化（索引、图算法）独立演进。详见未来方向。
不同会话共享记忆吗？
是的。默认情况下，所有会话使用同一个 default 记忆体 — 一个会话中记住的决策在所有未来会话中可用。
能否按项目或 agent 隔离记忆？ 可以。使用命名记忆体（store）隔离数据：
mnemon store create work # 创建新记忆体
mnemon store set work # 设为默认
MNEMON_STORE=work mnemon recall "query" # 或按进程使用环境变量不同 agent/进程可通过 MNEMON_STORE 环境变量使用不同的记忆体 — 无全局状态竞争。
本地模式还是全局模式？
mnemon setup 默认本地（项目级 .claude/），适合大多数用户。全局（mnemon setup --global，安装到 ~/.claude/）在所有项目中激活 mnemon — 如果想让其他框架（如 OpenClaw）通过 Claude Code CLI 共享记忆很方便，但可能增加维护开销。
如何自定义行为？
编辑当前 setup 流程生成的 guideline（~/.mnemon/prompt/guide.md），或以可安装的 memory loop GUIDE 作为来源。Skill 文件应专注于命令语法。
什么是 Sub-agent 委派？
Sub-agent 委派是可选执行策略。当 runtime 支持时，主 agent 可以决定记什么，再让更便宜或隔离的 worker 执行 mnemon remember。它有用，但不是 Mnemon 架构必需品。
| 环境变量 | 默认值 | 说明 |
|---|---|---|
MNEMON_DATA_DIR |
~/.mnemon |
基础数据目录 |
MNEMON_STORE |
（active 文件或 default） |
命名记忆体，用于数据隔离 |
MNEMON_EMBED_ENDPOINT |
http://localhost:11434 |
Ollama API 端点 |
MNEMON_EMBED_MODEL |
nomic-embed-text |
嵌入模型名称 |
也可在命令上使用 --data-dir 或 --store 标志覆盖。
make build # 构建二进制
make install # 构建 + 安装到 $GOBIN
make test # 运行 E2E 测试套件
mnemon setup # 交互式设置（检测环境 + 部署钩子/技能/引导）
mnemon setup --eject # 移除所有集成
make help # 显示所有目标依赖：Go 1.24+、modernc.org/sqlite、spf13/cobra、google/uuid
可选：Ollama + nomic-embed-text 嵌入支持
- Mnemon Harness Beta — 实验性的 host-agent lifecycle state
- Memory Loop Harness — 可安装 memory loop 资产
- Skill Loop Harness — 可安装 skill loop 资产
- 设计与架构 — 当前 engine architecture、核心概念、算法、集成设计
- 用法与参考 — CLI 命令、嵌入向量支持、架构概览
- 记忆导入指南 — 导入历史聊天的 schema 与 LLM 提取提示词
- 架构图 — 系统架构、记忆/召回流程、四图模型、生命周期管理
Mnemon 取用了一篇论文的范式和另一篇论文的方法论，并基于图记忆与 LLM 注意力同构这一结构洞察。详见理论基础。
- RLM — Zhang, Kraska & Khattab. Recursive Language Models. 2025. 建立范式：LLM 作为外部环境的 orchestrator 比直接处理数据更有效。
- MAGMA — Zou et al. A Multi-Graph based Agentic Memory Architecture. 2025. 提供方法论：四图模型（temporal、entity、causal、semantic）+ intent-adaptive retrieval。
- Graph-LLM 结构洞察 — Joshi & Zhu. Building Powerful GNNs from Transformers. 2025；及图智能体记忆综述（Chang Yang et al., 2026）。证实 LLM 注意力机制在计算上等价于 GNN 操作——图记忆是结构性匹配，而非工程便利。
Copyright 2026 Grivn and Mnemon contributors.