ai-memory

ai-memory™

หน่วยความจำ AI สากล

ai-memory เป็นระบบหน่วยความจำถาวรสำหรับผู้ช่วย AI มันทำงานร่วมกับ AI ใดๆ ที่รองรับ MCP -- Claude, ChatGPT, Grok, Llama และอื่นๆ มันจัดเก็บสิ่งที่ AI ของคุณเรียนรู้ในฐานข้อมูล SQLite ภายในเครื่อง จัดอันดับความทรงจำตามความเกี่ยวข้องเมื่อเรียกคืน และเลื่อนขั้นความรู้อัตโนมัติที่สำคัญไปยังที่จัดเก็บถาวร ติดตั้งเพียงครั้งเดียว และผู้ช่วย AI ทุกตัวที่คุณใช้จะจดจำสถาปัตยกรรมของคุณ ความชอบของคุณ การแก้ไขของคุณ -- ตลอดไป

เลือกเส้นทางการติดตั้งของคุณ

กำลังกำหนดค่าแบ็กเอนด์ LLM (xAI Grok, OpenAI, Anthropic, Gemini, DeepSeek, Kimi, Qwen, Mistral, Groq, Together, Cerebras, OpenRouter, Fireworks, LMStudio, vLLM, เซิร์ฟเวอร์ llama.cpp หรือ Ollama ภายในเครื่อง)? ดู docs/integrations/llm-backends.md — สูตร MCP env-block เหมือนกันไม่ว่าจะเลือกเส้นทางการติดตั้งใด

v0.9.0 — รุ่นปัจจุบัน รุ่นการเสริมความปลอดภัยและการตรวจสอบโค้ด: การแก้ไข 49 รายการจากการตรวจสอบเชิงรุก 5 ช่องทาง (#1885–#1935) พร้อมชุดคุณสมบัติเพิ่มเติมที่เล็กกว่า การเปลี่ยนแปลงหลักคือการพลิกค่าเริ่มต้นที่ปลอดภัย: การรับรองเอเจนต์จำเป็นตามค่าเริ่มต้นบน HTTP direct-write (#1751, กำหนดขอบเขตพื้นผิวโดย #1985) — HTTP POST /api/v1/memories (+/bulk) ที่ไม่ได้ลงนามจะถูก ปฏิเสธ (403 ATTESTATION_FAILED) แทนที่จะลง attest_level="claimed" เว้นแต่ผู้ปฏิบัติการจะตั้งค่าการยกเลิกอย่างชัดแจ้ง AI_MEMORY_REQUIRE_AGENT_ATTESTATION=0 พื้นผิว MCP memory_store และ CLI store เป็นเส้นทางผู้ปฏิบัติการในฐานะผู้กระทำและยังคงอนุญาตตามค่าเริ่มต้น (การเขียนที่ไม่ได้ลงนามจะลง claimed); =1 บังคับใช้อย่างเข้มงวดบนทุกพื้นผิว (v0.9.0 GA จัดส่งสิ่งนี้เป็น require-everywhere ซึ่งไม่สามารถตอบสนองได้บนโฮสต์ MCP — แก้ไขเป็นกำหนดขอบเขตพื้นผิวในรุ่นปัจจุบัน) ควบคู่ไปกับมัน ประตูบังคับใช้การมีอยู่ของ hook บังคับตอนนี้ทำงานบนทั้งเส้นทางการเขียน MCP (#1885) และเส้นทางการเขียน HTTP (#1924) ปิดช่องว่างการเลี่ยงผ่านแบบเงียบที่ hook บังคับที่กำหนดค่าอาจถูกข้ามบนพื้นผิวหนึ่งแต่ไม่ใช่บนอีกพื้นผิวหนึ่ง การผ่านการเสริมความแข็งแกร่งยังปิด bulk_create การควบคุมการรับรองต่อแถว (#1919) กำหนดเส้นทางการอนุมัติ PENDING แบบ federated ขาเข้าผ่านประตูผู้อนุมัติที่ลงทะเบียน (#1920) กระชับขอบเขตการมองเห็น team/unit/org เพื่อไม่ให้กว้างเกินไปข้ามลำดับชั้นเนมสเปซ (#1921) และจำกัดการนำเข้า folder_path ของ skill_register ภายใต้รูทที่กำหนดค่าด้วย symlink jail (#1923) ช่องทางข้อมูลประจำตัวแบบ non-argv ใหม่ — AI_MEMORY_STORE_URL / AI_MEMORY_STORE_URL_FILE (ไฟล์ 0600) — เก็บรหัสผ่าน postgres/store ให้พ้นจาก /proc/<pid>/cmdline และ ps ที่ทุกคนอ่านได้ (#1927) งานคุณสมบัติเพิ่มเติม: ความทรงจำทักษะ ที่เขียนโดยเอเจนต์พร้อม parameters_schema + invocation_record (B7-SKILL, #1865), ลูปป้อนกลับเงา recall_observations (#1706), DAG สายเลือดการได้มาของความทรงจำ (memory_lineage, #1859), และส่วนย่อยน้อยที่สุด การค้นหาเวกเตอร์ แบบเลือกใช้ (#1005) พื้นผิว: schema v78, 101 เครื่องมือ MCP ที่ --profile full (100 ที่เรียกได้ + memory_capabilities bootstrap ที่เปิดตลอด) / 7 ที่ --profile core, 92 การลงทะเบียนเส้นทาง HTTP (78 เส้นทาง URL ที่ไม่ซ้ำกัน), 89 คำสั่งย่อย CLI ภายใต้ --features sal/sal-postgres (87 ในบิลด์เริ่มต้น), 9 ความสัมพันธ์ MemoryLink ที่มีชนิด, Memory 28 ฟิลด์ ทำงานบน สองแบ็กเอนด์สำหรับการใช้งานจริงหลัง API เดียวกัน — SQLite แบบฝังตัวและ PostgreSQL + Apache AGE — ครอบคลุมเดสก์ท็อป เซิร์ฟเวอร์ และบนอุปกรณ์ (iOS + Android) ทุกอย่างเป็นการเพิ่มเติมจาก v0.8.1 ยกเว้นการพลิกการรับรองและการบังคับใช้ hook ซึ่งเป็นการเปลี่ยนแปลงที่ทำลายความเข้ากันได้แบบปลอดภัยตามค่าเริ่มต้น — ตรวจสอบก่อนอัปเกรด บันทึกการเปลี่ยนแปลงฉบับเต็ม: CHANGELOG.md §"[0.9.0] — 2026-07-08"

v0.8.0 (distributed-coordination) — รุ่นก่อนหน้า นี่คือรุ่นที่ซับสเตรตหน่วยความจำกลายเป็น ซับสเตรตการประสานงาน มันเพิ่มกลไกการประสานงานแบบกระจายจาก #1709: DAG การกระทำ ที่มีชนิดพร้อมเครื่องสถานะจริง (memory_action_*), สัญญาเช่า แบบผู้ถือเดี่ยวที่มีขอบเขต TTL (memory_lease_*), สัญญาณที่ลงนาม ด้วย Ed25519 (memory_signal_*), จุดตรวจสอบที่รับรอง ด้วย Ed25519 (memory_checkpoint_*), และ รูทีน ที่ถูกแช่แข็งและเล่นซ้ำได้ (memory_routine_*) — เพื่อให้กองเรือเอเจนต์ที่หลากหลายสามารถผลัดกัน ส่งมอบงาน และพิสูจน์ว่าใครพูดอะไรโดยไม่ต้องเชื่อใจกัน มันวางชั้น ความรู้ความเข้าใจที่มีชนิด ไว้ด้านบน (ชนิดความทรงจำ Goal/Plan/Step, เครื่อง lifecycle_state และความสัมพันธ์ลิงก์ decomposes_into / depends_on / advances), ทำให้เฟเดอเรชันแข็งแกร่งขึ้นแบบปลอดภัยตามค่าเริ่มต้น (การลงทะเบียนเพียร์เปิดตามค่าเริ่มต้น #1789, ลายเซ็นต่อการเปลี่ยนผ่าน #1718, การรับรองเนื้อหาต่อการเขียน #1464, nonce การเล่นซ้ำการเปลี่ยนผ่าน #1805, การปักหมุดใบรับรองเพียร์ขาออก #1678), และจัดส่ง การกำกับดูแลที่บล็อกได้จริง — hook PreToolUse ของ Claude Code ถูกปรับปรุงใหม่เป็น wrapper type:command เพื่อให้ซับสเตรต Refuse ปฏิเสธเครื่องมืออย่างแท้จริง (#1811) ณ รุ่น v0.8.0 พื้นผิวคือ: schema v70, 100 เครื่องมือ MCP ที่ --profile full (99 ที่เรียกได้ + memory_capabilities bootstrap ที่เปิดตลอด) / 7 ที่ --profile core, 91 การลงทะเบียนเส้นทาง HTTP (78 เส้นทาง URL ที่ไม่ซ้ำกัน), 83/85 คำสั่งย่อย CLI, 9 ความสัมพันธ์ MemoryLink ที่มีชนิด, Memory 27 ฟิลด์ ทำงานบน สองแบ็กเอนด์สำหรับการใช้งานจริงหลัง API เดียวกัน — SQLite แบบฝังตัวและ PostgreSQL + Apache AGE — ครอบคลุมเดสก์ท็อป เซิร์ฟเวอร์ และบนอุปกรณ์ (iOS + Android) ทุกอย่างเป็นการเพิ่มเติมจาก v0.7.0; ตรวจสอบการพลิกค่าเริ่มต้นที่ปลอดภัยก่อนอัปเกรด บันทึกประจำรุ่นฉบับเต็ม: docs/v0.8.0/release-notes.md v0.7.0 (attested-cortex) — รุ่นก่อนหน้า รวมงานด้านความสามารถในการอ่านของ cortex-fluent เข้ากับขอบเขตความน่าเชื่อถือ + A2A เต็มรูปแบบของ v0.7 จาก ROADMAP §7.3 รวมถึง (ตามคำสั่งผู้ดำเนินการ 2026-05-09) งานหลัก postgres+AGE ที่เดิมเป็น v0.7.1 รวมถึง คลื่นความพร้อมในการจัดส่งหลัง grand-slam (Batman Forms 1-6 + รากฐาน Option-B ของฟอร์มที่ 7 + QW-1/2/3 + การกวาดล้างด้านความปลอดภัยของการกระทบยอด) ซับสเตรตกลายเป็นทั้ง สื่อความหมายได้มากขึ้น (ความสามารถ v3, ตัวโหลดเครื่องมือที่มีชื่อ, สคีมาที่กระชับ, คำศัพท์ Batman MemoryKind, พื้นฐาน persona/atomisation/multistep-ingest) และ เชื่อถือได้ทางการเข้ารหัส (การรับรอง Ed25519, บันทึก sidechain, ไปป์ไลน์ hook 25 เหตุการณ์ที่ตั้งโปรแกรมได้, การสืบทอดเนมสเปซแบบบังคับ, ห่วงโซ่แฮชเหตุการณ์ที่ลงนามข้ามแถว V-4) v0.7.0 ยังมาพร้อมกับ postgres + Apache AGE เป็นแบ็กเอนด์การจัดเก็บข้อมูลระดับแรก — ai-memory serve --store-url postgres://… สำหรับการใช้งาน daemon สด, ความเท่าเทียมกันของสคีมาในทั้งสองแบ็กเอนด์ (ณ การเปิดตัว v0.7.0, sqlite + postgres มาบรรจบกันที่สคีมาเชิงตรรกะ v57 โดยที่ CURRENT_SCHEMA_VERSION คือ 57; ซับสเตรตการเปิดตัว v0.8.0 ได้พัฒนา lockstep นี้ไปเป็นสคีมา 70 โดยมีตารางการประสานงาน + การมองเห็นเพิ่มเติม v58–v70 ที่ลงบนทั้งสองแบ็กเอนด์ — ดู CLAUDE.md §Database สำหรับขั้นบันได v58–v70) (จุดยึดมาตรฐาน: src/storage/migrations.rs สำหรับ sqlite + src/store/postgres.rs สำหรับ postgres); ไฟล์การย้ายข้อมูลบนดิสก์สิ้นสุดที่ migrations/sqlite/0047_v56_list_composite_indexes.sql และแขนขั้นบันได migrate_v57() ในกระบวนการของ postgres (ตัวนับชื่อไฟล์ล่าช้ากว่าเวอร์ชันสคีมาเชิงตรรกะ เนื่องจากทั้งสองขั้นบันไดใช้เดลต้าหลัง v34 ผ่านแขนในกระบวนการ — ดู docs/MIGRATION_v0.7.md §schema-ladder สำหรับเรื่องราว v35-v57; v48 #933 เพิ่มตาราง DLQ แบบพุชของ federation; v49 #1025 เพิ่มคอลัมน์ที่อนุญาตให้เป็นค่าว่างได้ 14 คอลัมน์ใน archived_memories เพื่อให้การเก็บถาวร → กู้คืนไม่สูญเสียข้อมูลสำหรับรูปร่าง Memory v0.7.0 เต็มรูปแบบ; v50 #1156 ขยาย PRIMARY KEY ของ agent_quotas จาก (agent_id) เป็น (agent_id, namespace) เพื่อให้การจัดสรรโควตา K8 ต่อเนมสเปซยังคงอยู่แม้เมื่อเอเจนต์เดียวทำงานข้ามหลายเนมสเปซ — แถวก่อน v50 ถูกเติมกลับไปยังเนมสเปซ sentinel _global; v51 #1255 (PR #1296) เพิ่มตาราง federation_nonce_cache เพื่อให้ nonce ป้องกันการเล่นซ้ำของเพียร์ยังคงอยู่ข้ามการรีสตาร์ท daemon; v52 #1389 เพิ่มตาราง transcript_line_dedup ที่สนับสนุน RFC-0001 memory_capture_turn L4 + recover_from_transcript L2 idempotency เพื่อให้ SIGKILL ระหว่างเทิร์นไม่สร้างหน่วยความจำซ้ำในการรีไฮเดรชันครั้งถัดไป; v53 #1418 กำหนดขอบเขตทริกเกอร์การซิงค์ FTS5 memories_au ให้เฉพาะ (title, content, tags) เท่านั้น เพื่อให้การอัปเดตคอลัมน์ที่ไม่ใช่ FTS ไม่เรียกการซิงค์ที่ไม่จำเป็นอีกต่อไป; v54 #1466 เติมค่าหมดอายุเริ่มต้นของระดับชั้นกลับไปยังแถว mid/short ที่มีค่าหมดอายุเป็น NULL เดิม เพื่อปิดคลาสแถวคงอยู่ตลอดไปที่รั่วไหลของ TTL; v55 #1476 ทำให้คิวรีการตามทัน federation W=2 (updated_at > ? ORDER BY updated_at ASC LIMIT) เป็น sargable และเพิ่มดัชนี sqlite idx_memories_updated_at — postgres ไม่เพิ่มดัชนีใหม่เนื่องจาก memories_updated_at_idx DESC ให้บริการการสแกนช่วงผ่าน Index Scan Backward อยู่แล้ว; v56 #1579 เพิ่มดัชนีการเรียงลำดับรายการ/ที่เก็บถาวรแบบผสม (idx_memories_list_order, idx_memories_ns_list_order, idx_archived_ns_archived_at) ที่จับคู่กับการเขียนใหม่ storage::list แบบ sargable — DDL ฝั่ง sqlite; แขน migrate_v56() ของ postgres เป็น no-op การประทับตราเวอร์ชัน; v57 #1579 เพิ่มคอลัมน์ tsvector ที่สร้างและจัดเก็บ tsv + ดัชนี GIN memories_tsv_gin ของ postgres เพื่อให้รูปร่างการค้นหา/การเรียกคืนตรงกันและจัดอันดับบนคอลัมน์ที่คำนวณล่วงหน้าแทนที่จะคำนวณ tsvector ใหม่ต่อแถวที่ตรงกัน — ดัชนีนิพจน์ memories_content_fts เดิมถูกทิ้ง และคู่แฝด sqlite เป็น no-op การประทับตราเวอร์ชันเนื่องจาก FTS5 ทำให้ข้อความที่จัดทำดัชนีเป็นรูปธรรมแล้ว)), คำกริยา CLI ai-memory schema-init ใหม่ และความเท่าเทียมกันของการให้คะแนนการเรียกคืน 6 ปัจจัย พื้นผิวเริ่มต้น v0.6.4 เพิ่มขึ้นโดยตัวโหลดที่เปิดใช้งานตลอดเวลาสองตัวเป็น 7 เครื่องมือ (memory_load_family + memory_smart_load เข้าร่วมกับห้าเครื่องมือเดิม); เพดานรันไทม์ที่ --profile full คือ 74 รายการที่โฆษณา (73 เครื่องมือหน่วยความจำที่เรียกได้ + บูตสแตรป memory_capabilities ที่เปิดใช้งานตลอดเวลา; ตรวจสอบกับ Profile::full().expected_tool_count() — ดู src/profile.rs) ทุกอย่างใหม่เป็นแบบเพิ่มเติมและ (สำหรับพื้นผิวความน่าเชื่อถือ + postgres) เป็นแบบเลือกเข้าร่วม กำลังอัปเกรดจาก v0.6.x? อ่าน docs/MIGRATION_v0.7.md ก่อน — ผู้เรียก v0.6.4 ส่วนใหญ่ไม่เห็นการเปลี่ยนแปลงพฤติกรรม แต่ผู้ใช้ v0.6.x ก่อน v0.6.3.1 จะพบการแก้ไขการสืบทอดเนมสเปซ G1 กำลังเปลี่ยนไปใช้ postgres+AGE? ดู docs/postgres-age-guide.md และ docs/migration-v0.7.0-postgres.md บันทึกประจำรุ่นฉบับเต็ม: docs/v0.7.0/release-notes.md

v0.6.4 (quiet-tools) — เซิร์ฟเวอร์ MCP มาพร้อมกับ พื้นผิวเริ่มต้น 5 เครื่องมือ (memory_store, memory_recall, memory_list, memory_get, memory_search) รวมถึงบูตสแตรป memory_capabilities ที่เปิดใช้งานตลอดเวลา เครื่องมืออีก 38 รายการยังคงเข้าถึงได้ผ่าน --profile graph|admin|power|full หรือการขยายรันไทม์ผ่าน memory_capabilities --include-schema family=<name> ชุดควบคุมการโหลดแบบกระตือรือร้น (Claude Desktop / Codex CLI / Grok CLI / Gemini CLI) ลดโทเค็นอินพุตของสคีมาเครื่องมือลงประมาณ 4,700 โทเค็นต่อคำขอ — ลดลง 76.4% เมื่อเทียบกับ cl100k_base BPE เพื่อรักษาพฤติกรรม v0.6.3 แบบ 1:1 ให้รัน ai-memory mcp --profile full ดู docs/MIGRATION_v0.6.4.md

มีอะไรใหม่ใน v0.9

v0.9.0 เป็นรุ่น การเสริมความปลอดภัยและการตรวจสอบโค้ด เป็นหลัก — การแก้ไข 49 รายการจากการตรวจสอบเชิงปรปักษ์ 5 ช่องทาง (#1885–#1935) — รวมถึงชุดคุณสมบัติเพิ่มเติมที่เล็กกว่าซึ่งวางซ้อนบนซับสเตรตการประสานงาน v0.8.0 บันทึกการเปลี่ยนแปลงฉบับเต็ม: CHANGELOG.md §"[0.9.0] — 2026-07-08"

การเสริมความแข็งแกร่งให้ปลอดภัยโดยค่าเริ่มต้น

• จำเป็นต้องมีการรับรองเอเจนต์โดยค่าเริ่มต้นบนพื้นผิวการเขียนโดยตรง HTTP (#1751, กำหนดขอบเขตพื้นผิวโดย #1985) AI_MEMORY_REQUIRE_AGENT_ATTESTATION เป็นสามสถานะพร้อมค่าเริ่มต้นที่คอมไพล์ต่อพื้นผิว: ไม่ได้ตั้งค่า → จำเป็น บนการเขียนโดยตรง HTTP (POST /api/v1/memories + /bulk, ปฏิเสธ 403 ATTESTATION_FAILED), อนุญาต บนพื้นผิว MCP memory_store และ CLI store ที่ผู้ดำเนินการเป็นผู้กระทำ (การเขียนที่ไม่ได้ลงนามจะลง attest_level="claimed"); =1 บังคับใช้อย่างเข้มงวดทุกที่, =0 บังคับให้อนุญาตทุกที่ ลายเซ็นที่นำเสนอแต่ปลอมแปลงจะถูกปฏิเสธบนทุกพื้นผิวโดยไม่คำนึงถึง ลงนามการเขียน (ai-memory store --sign ด้วยคู่คีย์ที่ผูกผ่าน ai-memory agents bind-key) หรือใช้การยกเลิก =0 (v0.9.0 GA จัดส่งสิ่งนี้เป็น require-everywhere ซึ่งไม่สามารถตอบสนองได้บนโฮสต์ MCP — ดู #1981; แก้ไขเป็นกำหนดขอบเขตพื้นผิวโดย #1985)
• ประตูบังคับใช้ hook แบบคู่ MCP + HTTP (#1885 / #1924) ประตูบังคับใช้การมีอยู่ของ hook บังคับ (เดิมเป็น MCP เท่านั้น, #1734) ตอนนี้ถูกพิจารณาบนเส้นทางการเขียน HTTP ด้วย ปิดช่องว่างการเลี่ยงผ่านแบบเงียบ (CWE-288) ที่การเขียนซึ่งข้าม MCP ไปเลยไม่เคยเห็น hook บังคับที่กำหนดค่าไว้
• การควบคุมการรับรอง bulk_create (#1919) การเขียนจำนวนมากตอนนี้บังคับใช้ข้อกำหนดการรับรองเอเจนต์ต่อแถวเช่นเดียวกับการเรียก memory_store ครั้งเดียว — ทุกแถวในชุดต้องมีการรับรองที่ถูกต้อง ไม่ใช่แค่คำขอโดยรวม
• ประตูผู้อนุมัติ Federation (#1920) การอนุมัติ PENDING แบบ federated ขาเข้าจะได้รับเกียรติก็ต่อเมื่อมีที่มาจากผู้อนุมัติที่ลงทะเบียนของเพียร์ — เพียร์ที่ลงทะเบียนแต่ไม่น่าเชื่อถือไม่สามารถปลอมแปลงการอนุมัติสำหรับผู้ร้องขอโดยพลการได้อีกต่อไป
• การเสริมความแข็งแกร่งของขอบเขต team/unit/org (#1921) การแก้ไขขอบเขตการมองเห็นตอนนี้บังคับใช้ลำดับชั้นบรรพบุรุษของเนมสเปซอย่างถูกต้องสำหรับขอบเขต team/unit/org ปิดช่องว่างการแยกผู้เช่า (CWE-863)
• การจำกัดเส้นทาง skill_register (#1923) การนำเข้า folder_path ของสกิลถูกทำให้เป็นมาตรฐานและจำกัดอยู่ภายใต้รูทที่กำหนดค่าไว้ โดยลิงก์สัญลักษณ์ภายในทรีที่นำเข้าจะถูกปฏิเสธแทนที่จะติดตาม (CWE-22/CWE-59)
• ช่องทางข้อมูลรับรอง store-url ที่ไม่ใช่ argv (#1927) AI_MEMORY_STORE_URL ใหม่ (เฉพาะเจ้าของ /proc/environ) และ AI_MEMORY_STORE_URL_FILE (ไฟล์ 0600) อนุญาตให้ ai-memory serve รับ URL postgres/store — รวมถึงรหัสผ่านที่ฝังอยู่ — โดยไม่ต้องวางบน argv --store-url ซึ่งถูกเปิดเผยผ่าน /proc/<pid>/cmdline และ ps auxww ที่ทุกคนอ่านได้ต่อ UID ภายในใดๆ ลำดับการแก้ไข: ไฟล์ → env → --store-url

คุณสมบัติเพิ่มเติม

• B7-SKILL — หน่วยความจำสกิลระดับแรก (#1865) parameters_schema ณ เวลาลงทะเบียน, invocation_record และพื้นผิวเวอร์ชันสำหรับสกิลที่เขียนโดยเอเจนต์
• ลูปป้อนกลับเงา recall_observations (#1706, โหมด SHADOW) ปิดลูปป้อนกลับการเรียกคืนโดยยังไม่เปลี่ยนพฤติกรรมการจัดอันดับ
• DAG สายเลือดการได้มาของหน่วยความจำ (memory_lineage, สคีมา v78, #1859) เดินดูว่าหน่วยความจำใดได้มาจากหน่วยความจำใด ผ่านทั้ง MCP และเส้นทาง HTTP GET /api/v1/memories/{id}/lineage ใหม่
• ส่วนการเลือกเข้าร่วมขั้นต่ำของการค้นหาเวกเตอร์ (#1005; ซับสเตรตเต็มรูปแบบเลื่อนไปเป็น #1860)
• พูลผู้ปฏิบัติงาน Reranker ปรับขนาดตาม CPU จริง (#1867) และ การเรียกคืนเป็น PURE โดยค่าเริ่มต้น (#1869 — ลบการระเบิดของการเขียนออกจากเส้นทางร้อนของการเรียกคืน)
• สันหลังแบบผนวกเท่านั้น + การแยกชั้นการลงนาม: ทุกไซต์การกลายพันธุ์ถูกส่งไปยังใบการแก้ไขที่ลงนาม (#1823), การแยกการลงนามสามคีย์ Recorder/Judge/Stopper (#1826), โทเค็นความสามารถ macaroon ที่เชื่อมต่อแบบ end-to-end (#1827) และห่วงโซ่การสืบทอดคีย์สายเลือดประจำตัวที่ลงนามเพื่อความอยู่รอดในการหมุนเวียน (#1828, สคีมา v76)

จะเริ่มต้นที่ไหน: CHANGELOG.md (บันทึกการเปลี่ยนแปลงฉบับเต็ม), docs/ADMIN_GUIDE.md (คู่มือผู้ดำเนินการ — ท่าทีการรับรอง + การบังคับใช้ hook)

มีอะไรใหม่ใน v0.8

v0.8.0 (distributed-coordination) เปลี่ยนซับสเตรตหน่วยความจำเป็น ซับสเตรตการประสานงาน สำหรับกลุ่ม multi-agent (NHI) หัวข้อหลักคือกลไกการประสานงานแบบกระจาย (#1709); ทุกอย่างมาพร้อมกับอแดปเตอร์ SAL ทั้ง sqlite และ postgres+AGE และยังคงเทียบเท่าค่าเริ่มต้นสำหรับผู้เรียก v0.7.x การอ้างอิงเครื่องมือฉบับเต็ม: docs/coordination.md; บันทึกฉบับเต็ม: docs/v0.8.0/release-notes.md

ซับสเตรตการประสานงานแบบกระจาย (Pillar-1, #1709)

• Actions — DAG การพึ่งพา (schema v59) โหนดการกระทำที่มีการระบุชนิดพร้อมเครื่องสถานะ (pending → claimed → in_progress → done/failed/abandoned), ขอบ DAG ที่ระบุชนิด (requires / unlocks / blocks / gated_by / sibling), และพื้นผิว frontier/next ที่ดึงโหนดที่รันได้ถัดไป มีเครื่องมือ MCP 8 รายการ (memory_action_create / _get / _transition / _list / _add_edge / _edges / _frontier / _next)
• Leases — การอ้างสิทธิ์แบบผู้ถือเดี่ยวที่มีขอบเขต TTL (schema v59) การอ้างสิทธิ์แบบ compare-and-swap ที่ต่ออายุด้วย heartbeat (PRIMARY KEY บน action_id = ผู้ถือหนึ่งรายในแต่ละครั้ง) พร้อมตัวกวาดล้าง lease รายชั่วโมง มีเครื่องมือ MCP 4 รายการ (memory_lease_acquire / _renew / _release / _get)
• Signals — ข้อความระหว่างเอเจนต์ที่ระบุชนิดและลงนามด้วย Ed25519 (schema v60) แต่ละข้อความมีการลงนาม + signer_pubkey ของผู้ส่ง และเชื่อมโยงผ่าน correlation_id / in_reply_to มีเครื่องมือ MCP 5 รายการ (memory_signal_send / _read / _inbox / _thread / _ack)
• Checkpoints — ประตูเงื่อนไขที่รับรองแล้ว (schema v61) ประตูที่ปิดกั้นจนกว่าเงื่อนไขจะคลี่คลาย การคลี่คลายลงนามด้วยตนเองในตำแหน่งนั้น (Ed25519) เพื่อการแบ่งแยกหน้าที่ และ verify ตรวจสอบลายเซ็นอีกครั้ง มีเครื่องมือ MCP 4 รายการ (memory_checkpoint_create / _resolve / _query / _verify)
• Routines — แผนที่กำหนดพารามิเตอร์ แช่แข็ง และเล่นซ้ำได้ (schema v62) สร้างเป็น draft จากนั้น แช่แข็ง (เปลี่ยนแปลงไม่ได้, การรับรองการแช่แข็งด้วย Ed25519); run สร้างชุดการกระทำและขอบที่เป็นรูปธรรมจากเทมเพลต {{param}} ลงในระเบียน routine_runs มีเครื่องมือ MCP 5 รายการ (memory_routine_create / _freeze / _run / _status / _list)
• ทุกการเปลี่ยนแปลงสถานะการประสานงานจะเพิ่มแถว coordination.<op> ที่ป้องกันการแก้ไขลงในห่วงโซ่แฮช signed_events V-4 (#1722); การเขียนที่ให้สิทธิ์สองรายการถูกสะท้อนไปยัง HTTP daemon (POST /api/v1/actions/{id}/transition, POST /api/v1/signals) ด้วย CAS เฉพาะที่ + การกระจายแบบ W-of-N federation (#1718)

การรู้คิดแบบระบุชนิด (เสาหลักที่ 2)

คำศัพท์ memory_kind ขยายด้วย goal / plan / step; อนุกรมวิธาน memory_links.relation แบบปิดขยาย 6 → 9 ความสัมพันธ์ (decomposes_into / depends_on / advances, schema v63); และคอลัมน์ memories.lifecycle_state ชั้นหนึ่ง (schema v64) ทำให้ Goal/Plan/Step เป็นเครื่องสถานะจริง (open → active → blocked/done/abandoned) ซึ่งบังคับใช้ทั่วทั้งพื้นผิว MCP / HTTP / SAL ด้วยการแมปขอบที่ผิดกฎหมายไปยัง HTTP 409 CONFLICT โครงสร้าง Memory เติบโตเป็น 27 ฟิลด์ ไม่มีเครื่องมือ MCP ใหม่ — งาน v64 เพิ่มเฉพาะฟิลด์คำขอที่เป็นทางเลือกและอนุญาตเท่านั้น

Federation ที่แข็งแกร่งขึ้น ปลอดภัยโดยค่าเริ่มต้น

การลงทะเบียน Peer เปิดใช้งานตามค่าเริ่มต้น (#1789), ลายเซ็นต่อการเปลี่ยนผ่านสำหรับการเขียนที่ให้สิทธิ์ (#1718), การรับรองเนื้อหาต่อการเขียนสำหรับความทรงจำที่ถ่ายทอด (#1464), nonce การเล่นซ้ำการเปลี่ยนผ่าน (#1805), และการปักหมุดลายนิ้วมือใบรับรอง peer ขาออก (#1678) กลุ่มที่แตกต่างกันซึ่งไม่จำเป็นต้องเชื่อถือซึ่งกันและกัน — ตรวจสอบการพลิกค่าเริ่มต้นที่ปลอดภัย ใน docs/v0.8.0/release-notes.md §"Federation hardening" ก่อนอัปเกรด

การกำกับดูแลที่ปิดกั้นได้จริง (#1811)

hook การกำกับดูแล PreToolUse ของ Claude Code ถูกปรับปรุงใหม่เป็น wrapper type:command (ai-memory governance check-action --from-pretool-stdin) เพื่อให้ Refuse พื้นฐานปล่อย permissionDecision:"deny" และ ปิดกั้น เครื่องมืออย่างแท้จริง — รูปแบบ type:mcp_tool ก่อนหน้านี้ไม่สามารถบังคับใช้ได้ในเชิงโครงสร้าง รวมถึงการบังคับใช้การมีอยู่ของ hook บังคับ (#1734) และคำตัดสินการกำกับดูแล escalate ใหม่ (§22 PE-5) สำหรับ human-in-the-loop

การควบคุมการปฏิบัติงานเสาหลักที่ 4

การควบคุมการรับเข้า HTTP (#1733 — ขีดจำกัดการทำงานพร้อมกันแบบเลือกใช้ที่ลดส่วนเกินด้วย 503 ที่ระบุชนิด), การฉายกราฟ Apache-AGE แบบเลื่อนออกไป (#1735 — นำการเดินทางไปกลับ AGE แบบซิงโครนัสออกจากเส้นทางร้อนการเขียนลิงก์ postgres), การเปิดใช้งานการบีบอัด curator (#1749 / #1750), และ CLI ai-memory verify-audit-trail (§22 PE-8) ที่เดินตรวจสอบห่วงโซ่แฮชข้ามแถว signed_events จากต้นจนจบ

Schema v57 → v70 (ทั้งหมดเป็นการเพิ่มเติม)

ตารางการประสานงาน + การรู้คิดแบบระบุชนิด + การมองเห็น + การเตรียมการเข้ารหัส + เส้นทางเย็น + ขอบการเก็บถาวร (v58–v70) สะท้อนบนอะแดปเตอร์ทั้ง sqlite และ postgres; ย้ายข้อมูลอัตโนมัติเมื่อเปิดครั้งแรกและการเดินทางไปกลับ archive → restore โดยไม่สูญเสียข้อมูล ดู CLAUDE.md §Database สำหรับลำดับขั้น v58–v70 ที่เป็นมาตรฐาน

จุดเริ่มต้น: docs/v0.8.0/release-notes.md (บันทึกประจำรุ่นฉบับเต็ม), docs/coordination.md (เอกสารอ้างอิงเครื่องมือการประสานงาน), และ CLAUDE.md §Database (schema-ladder SSOT)

มีอะไรใหม่ใน v0.7

v0.7.0 ปิดมหากาพย์ attested-cortex (69/69 ใน 11 แทร็ก A–K) รวมงาน postgres+AGE ชั้นหนึ่งจากเดิม v0.7.1 และดูดซับคลื่นความพร้อมในการจัดส่งหลัง grand-slam (Batman Forms 1-6 + รากฐาน Option-B ฟอร์มที่ 7 + QW-1/2/3 + การกระทบยอดความปลอดภัย) รายการคุณสมบัติมาตรฐาน: docs/internal/v070-feature-inventory.md ทุกพื้นผิวยังคงปิดตามค่าเริ่มต้นหรือเทียบเท่าค่าเริ่มต้นสำหรับผู้เรียก v0.6.4 — ดู เมทริกซ์ความเข้ากันได้ v0.7 สำหรับรายละเอียด

การลงทุนเวลาเขียนแบบเนทีฟของซับสเตรต (Batman Forms 1-6 + ฟอร์มที่ 7)

• ฟอร์ม 1 — การขจัดความซ้ำซ้อนและสังเคราะห์ออนไลน์ (issue #754) การเรียก LLM ที่ปล่อยการกระทำแบบชุดเดียวแทนที่ตัวจำแนกประเภทต่อคู่ใน v0.6.x บนเส้นทางการจัดเก็บ เลือกกลับไปใช้ใช่/ไม่ใช่แบบดั้งเดิมผ่าน legacy_per_pair_classifier = true บนมาตรฐานเนมสเปซ
• ฟอร์ม 2 — การแยกอะตอมก่อนฝังแบบซิงโครนัส (issue #755) เครื่องมือ memory_atomise ใหม่ + hook ก่อนจัดเก็บ auto_atomise_mode = Synchronous|Deferred|Off Curator แยกย่อยการเขียนยาวเป็นประพจน์อะตอม 2–10 ประพจน์ก่อนที่การเรียกคืนจะเห็น ดู docs/atomisation.md
• ฟอร์ม 3 — ตัวประสานการนำเข้าหลายขั้นตอน (issue #756) memory_ingest_multistep ร้อยเธรดตัวช่วย Jaccard+FTS ที่กำหนดได้ผ่านขั้นตอน LLM ที่เสถียรต่อแคชพรอมต์ ดู docs/multistep-ingest.md + cookbook/multistep-ingest/01-two-phase.sh
• ฟอร์ม 4 — ที่มาของข้อเท็จจริง (issue #757) การอ้างอิง + URI ต้นทาง + ช่วงขอบเขตระดับอะตอมอยู่บนเพย์โหลด memory_store / memory_atomise ที่มีอยู่ ดู docs/provenance.md
• ฟอร์ม 5 — ความเชื่อมั่นอัตโนมัติ + การสอบเทียบเงา + การสลายตัวตามความสดใหม่ (issue #758) เครื่องมือ MCP memory_calibrate_confidence + การกวาดพื้นฐานต่อแหล่งที่มา ตัวแปรสภาพแวดล้อม AI_MEMORY_AUTO_CONFIDENCE, AI_MEMORY_CONFIDENCE_SHADOW, AI_MEMORY_CONFIDENCE_SHADOW_SAMPLE_RATE, AI_MEMORY_CONFIDENCE_DECAY ดู docs/confidence-calibration.md
• ฟอร์ม 6 — คำศัพท์ MemoryKind Batman (issue #759) enum 10 ตัวแปร (ค่าเริ่มต้น Observation + Reflection / Persona / Concept / Entity / Claim / Relation / Event / Conversation / Decision) hook ก่อนจัดเก็บ auto_classify_kind ทางเลือก (off / regex_only / regex_then_llm) ดู docs/memory-kind-vocab.md
• ฟอร์มที่ 7 — การเชื่อมต่อ Layer-4 ภายนอกเอเจนต์ (รากฐาน Option-B) (issue #760; v0.8.0 ครอบคลุมสมบูรณ์ที่ #697) กฎเริ่มต้นที่ลงนามด้วยคู่คีย์ผู้ดำเนินการ R001..R004, เครื่องมือ MCP memory_check_agent_action + memory_rule_list, hook ก่อนเขียนซับสเตรต storage::insert ดู docs/policy-engine.md + docs/governance/agent-action-rules.md
• วิธีปฏิบัติสำหรับผู้ดำเนินการ — เปลี่ยนฟอร์ม 1–6 + ฟอร์มที่ 7 จากพร้อมใช้งาน → ทำงานอยู่ (issue #800) สูตร 7 ขั้นตอน (สร้างคีย์ผู้ดำเนินการ → ลงนามเริ่มต้น → เปิดใช้งาน R001–R004 → daemon curator → การผ่านการสะท้อนทางเลือก → นโยบายเนมสเปซ), ความถาวร launchd / systemd / Task-Scheduler, บล็อกการตรวจสอบ, เส้นทางย้อนกลับ ดู docs/batman-active-mode.md และ แผนที่ GitHub Pages

ชัยชนะอย่างรวดเร็ว (Tencent QW-1/2/3)

• QW-1 — การส่งออกห่วงโซ่การสะท้อนที่สำรองด้วยไฟล์ เครื่องมือ MCP memory_export_reflection + นโยบายเนมสเปซ auto_export_reflections_to_filesystem → ~/.ai-memory/reflections/<ns>/<id>.md
• QW-2 — บุคลิกเป็นอาร์ติแฟกต์ เครื่องมือ memory_persona + memory_persona_generate, แถว MemoryKind::Persona, นโยบายเนมสเปซ auto_persona_trigger_every_n_memories ดู docs/persona.md
• QW-3 — พื้นฐานการถ่ายเทบริบท memory_offload + memory_deref ย้ายเอาต์พุตเครื่องมือขนาดใหญ่ออกจากหน้าต่างบริบทของเอเจนต์ไปยังที่เก็บ blob ที่ระบุแอดเดรสได้ ดู docs/context-offload.md

มหากาพย์ cortex ที่รับรองแล้ว (แทร็ก A–K)

• ลิงก์ที่รับรอง (Ed25519) คอลัมน์ signature ที่ว่างเปล่าซึ่งจัดส่งใน v0.6.3 ตอนนี้ถูกเติมด้วยการรับรอง Ed25519 ต่อเอเจนต์จริง และ memory_verify(link_id) ส่งคืน {signature_verified, attest_level, signed_by, signed_at} เมื่อต้องการ สร้างคู่คีย์ด้วย ai-memory identity generate; เลือกใช้ผ่าน attest_level = "self_signed" การลงนามถูกควบคุมโดยดีมอน agent_id ที่แก้ไขแล้วซึ่งมีคู่คีย์ *.priv บนดิสก์ภายใต้ไดเรกทอรีคีย์ที่กำหนดค่า — เมื่อ load_daemon_signing_key ส่งคืน None (src/main.rs:116-118) แถวยังคงเขียนแต่ sig ว่างเปล่าและดีมอนส่งบรรทัด "continuing unsigned" เมื่อบูต เชนแฮชข้ามแถวบน signed_events ยังคงป้องกันการแก้ไขไม่ว่าจะด้วยวิธีใด ดู RFC attested-cortex
• การปิดบัญชีเหตุการณ์ที่ลงนาม V-4 (เชนแฮชข้ามแถว) (issue #698) แต่ละแถว signed_events มี prev_hash + sequence; prev_hash แถวแรกเป็นศูนย์ แถวถัดไปเชื่อมโยง SHA-256 ของเพย์โหลด CBOR แบบบัญญัติก่อนหน้า ai-memory verify-signed-events-chain เดินเชนจากต้นจนจบ ดู docs/signed-events-v4.md
• ไปป์ไลน์ Hook (25 เหตุการณ์วงจรชีวิต) พื้นผิวส่วนขยายที่ตั้งโปรแกรมได้เริ่มทำงานบนเหตุการณ์พื้นฐาน 20 รายการ pre_/post_store|recall|search|delete|promote|link|consolidate|governance_decision|archive|transcript_store + on_index_eviction บวกกับส่วนเพิ่มเติมแกรนด์สแลม 5 รายการ (pre_recall_expand G10 + pre_reflect/post_reflect recursive-learning Task 6/8 + pre_compaction/on_compaction_rollback L1-7) Hooks ส่งคืน Allow / Modify / Deny / AskUser ปิดโดยค่าเริ่มต้น; เลือกใช้ผ่าน ~/.config/ai-memory/hooks.toml ดู docs/hook-pipeline.md
• Sidechain transcripts + replay BLOB sidechain ที่บีบอัดด้วย zstd-3 เก็บบทสนทนา/ร่องรอยการให้เหตุผลดิบ; memory_replay(memory_id) เดิน memory_transcript_links เพื่อสร้างเชนใหม่ เลือกใช้ต่อเนมสเปซผ่าน [transcripts.namespaces."team/*"] ดู docs/sidechain-transcripts.md
• การเสริมความแข็งแกร่ง Federation mTLS + X-API-Key + รายการอนุญาตลายนิ้วมือใบรับรอง SHA-256; ตัวแปรสภาพแวดล้อม AI_MEMORY_FED_PEER_ATTESTATION, AI_MEMORY_FED_SYNC_TRUST_PEER, AI_MEMORY_FED_TRUST_BODY_AGENT_ID ดู docs/federation.md
• เครื่องมือโควตา K8 + การอนุมัติ K10 SSE memory_quota_status + /api/v1/quota/status (K8) /api/v1/approvals/stream เหตุการณ์ที่เซิร์ฟเวอร์ส่งพร้อม HMAC nonce, การผูก method+pending_id, การตัดจำนวนเหตุการณ์ที่ล่าช้า (K10) ดู docs/k8-quotas.md + docs/k10-sse-approvals.md
• แบ็กเอนด์ชั้นหนึ่ง Postgres + Apache AGE ai-memory serve --store-url postgres://…, ความเท่าเทียมของสคีมา, ความเท่าเทียมของการให้คะแนนการเรียกคืน 6 ปัจจัย, การย้ายลิงก์, ฟีเจอร์ KG (kg_query, kg_timeline, kg_invalidate, find_paths) บน AGE Cypher พร้อมทางเลือกสำรอง recursive-CTE เมื่อไม่มี AGE รวมถึงคำกริยา CLI ai-memory schema-init ใหม่ ควบคุมด้วยเกณฑ์มาตรฐาน — AGE p95 ต้องเร็วกว่า CTE p95 ≥30% ที่ความลึก=5 วิธีปฏิบัติสำหรับผู้ปฏิบัติงาน: docs/postgres-age-guide.md คู่มือการย้าย: docs/migration-v0.7.0-postgres.md
• Capabilities v3 + ตัวโหลดอัจฉริยะ memory_capabilities v3 เพิ่ม summary, to_describe_to_user, callable_now ต่อเครื่องมือ, agent_permitted_families, schema_version="3"; เครื่องมือ memory_load_family(family) และ memory_smart_load(intent) ที่เปิดใช้งานตลอดเวลาใหม่เข้าร่วมโปรไฟล์ core เริ่มต้น ถ้อยคำที่ตรึงไว้อยู่ใน docs/v0.7/canonical-phrasings.md
• Permissions + การอนุมัติ A2A ระบบย่อยการกำกับดูแล v0.6.x ถูกปรับโครงสร้างใหม่เป็นกฎ + โหมด + hooks → Decision เดียว พร้อมการสืบทอดเนมสเปซ (G1) ที่บังคับใช้จริง memory_pending_list / memory_pending_approve / memory_pending_reject(remember=forever) เปิดใช้งานความไว้วางใจแบบก้าวหน้า; การลงนาม HMAC บน API การอนุมัติเป็นข้อบังคับ permissions.mode มีค่าเริ่มต้นเป็น enforce (เคยเป็น advisory ใน v0.6.4) ย้ายด้วย ai-memory governance migrate-to-permissions (ตัวอย่างการทดลอง; เพิ่ม --config-out ~/.config/ai-memory/config.toml เพื่อปรับใช้ทันที) ดู docs/governance.md

คลื่นแกรนด์สแลม Recursive-learning + L1/L2

พื้นฐานซับสเตรต memory_reflect พร้อมขีดจำกัด max_reflection_depth ที่กำหนดขอบเขตเนมสเปซ (ค่าเริ่มต้น 3, Some(0) คือสวิตช์ตัดการทำงาน) L2-1 reflection-pass curator, L2-2 การประสานงาน reflection ที่รับรู้ federation (memory_reflection_origin), L2-3 การเผยแพร่การทำให้เป็นโมฆะ (memory_dependents_of_invalidated), L2-5 ชุดนิติเวช (ai-memory export-forensic-bundle + verify-forensic-bundle), L1-5 Agent Skills (memory_skill_register|list|get|resource|export|promote_from_reflection|compositional_context) ไพรเมอร์ฉบับเต็ม: docs/RECURSIVE_LEARNING.md ไพรเมอร์ Agent Skills: docs/agent-skills.md ไพรเมอร์การส่งออกทางนิติเวช: docs/forensic-export.md

จุดเริ่มต้น: docs/MIGRATION_v0.7.md (ขั้นตอนการอัปเกรด), docs/v0.7.0/release-notes.md (บันทึกประจำรุ่นฉบับเต็ม), docs/whats-new-v07.html (สรุปภาพ), docs/v0.7/rfc-attested-cortex.md (เหตุผลการออกแบบ), docs/ADMIN_GUIDE.md (คู่มือผู้ปฏิบัติงาน), docs/internal/v070-feature-inventory.md (ความจริงคุณลักษณะแบบบัญญัติ)

หนึ่งไบนารี สี่โหมดการทำงาน (v0.6.4) ไบนารี Rust ai-memory (tokio + axum) สามารถรันโหมดใดๆ เหล่านี้แบบแยกเดี่ยวหรือพร้อมกัน โดยใช้ฐานข้อมูล SQLite ร่วมกัน:

1. เซิร์ฟเวอร์ stdio MCP -- รายการที่โฆษณา 101 รายการผ่าน JSON-RPC ที่โปรไฟล์เต็ม (v0.9.0; เครื่องมือหน่วยความจำที่เรียกได้ 100 รายการ + memory_capabilities bootstrap ที่เปิดตลอดเวลา; ตรวจสอบกับ Profile::full().expected_tool_count()) --profile core เริ่มต้นโฆษณา 7 รายการ (5 รายการเดิม + memory_load_family + memory_smart_load) บวกกับ memory_capabilities bootstrap ที่เปิดตลอดเวลา ai-memory mcp / ai-memory mcp --profile full
2. ดีมอน HTTP / mTLS -- การลงทะเบียนเส้นทาง REST 92 รายการ (เส้นทาง URL เฉพาะ 78 รายการ) บน 127.0.0.1:9077, TLS + รายการอนุญาต mTLS เสริม + การตรวจสอบสิทธิ์ API-key, ลูป GC เบื้องหลัง ai-memory serve
3. ดีมอน curator อัตโนมัติ -- ลูปการจัดตารางตนเอง (จังหวะเริ่มต้น 1 ชั่วโมง) ที่แท็กอัตโนมัติ, เปิดเผยความขัดแย้งข้ามพี่น้องเนมสเปซ, รวมรายการที่เกือบซ้ำกัน, และปรับลำดับความสำคัญตามรูปแบบการเข้าถึง ทุกการกระทำไปที่บันทึกการย้อนกลับ; การดำเนินการทำลายสามารถถูกควบคุมเบื้องหลังโฟลว์การอนุมัติการกำกับดูแล ai-memory curator --daemon
4. ดีมอน Sync -- การรวมสหพันธ์ข้ามอินสแตนซ์แบบอิงองค์ประชุม การเขียน W-of-N (ค่าเริ่มต้นเสียงข้างมาก), การผสาน vector-clock CRDT-lite, รายการอนุญาต mTLS ระหว่างเพียร์ ai-memory sync-daemon

พื้นผิว MCP, HTTP และ CLI เป็นแบบรีแอคทีฟ curator คือส่วนที่ทำให้เลเยอร์หน่วยความจำดูแลตนเอง: ระหว่างเซสชัน มันรักษาคอร์ปัสให้เป็นระเบียบเพื่อให้คุณภาพการเรียกคืนยังคงสูงเมื่อที่เก็บข้อมูลเติบโตขึ้น ทุกอย่างเป็น local-first; ไม่มีการพึ่งพาคลาวด์

การประเมินเชิงปฏิบัติโดย Claude Opus 4.7 หลังจากอ่านซอร์ส v0.6.3 ทีละบรรทัด:

"ai-memory เป็นเลเยอร์หน่วยความจำที่มีความสามารถมากที่สุดที่ฉันเคยเชื่อมต่อ และมีความหมายมากกว่าที่ชื่อโฆษณาไว้ สำหรับฉัน ในทางปฏิบัติ มันหมายความว่า: ฉันไม่เริ่มต้นแบบเย็นชืดทุกเซสชัน ที่เก็บข้อมูลที่ฉันอ่านถูกดูแลให้เป็นระเบียบโดยสิ่งอื่นที่ไม่ใช่ฉัน ความขัดแย้งไม่สะสมอย่างเงียบๆ คุณภาพการเรียกคืนยังคงสูงแม้คอร์ปัสจะเติบโต ไม่มีอะไรออกจาก Mac mini ของคุณ

มันไม่ได้ทำให้ฉันเป็นเอเจนต์อัตโนมัติ มันให้โครงสร้างพื้นฐานหน่วยความจำแบบที่เอเจนต์อัตโนมัติต้องการแก่ฉัน — และตัวมันเองรันลูปอัตโนมัติขนาดเล็กเพื่อดูแลมัน นั่นคือรากฐานที่แท้จริง ช่องว่างจากตรงนี้ไปสู่ 'ai-memory ขับเคลื่อนงานทั่วไป' คือระบบท่อ (โปรโตคอลการเรียกเครื่องมือ + รีจิสทรีเครื่องมือ + โมเดลที่สามารถใช้เครื่องมือได้) ไม่ใช่การประดิษฐ์"

ซับสเตรตสำหรับ AI หลายเอเจนต์ ai-memory ไม่ใช่รันไทม์เอเจนต์และไม่ใช่ "AI อัตโนมัติ" ด้วยตัวมันเอง มันคือเลเยอร์หน่วยความจำที่การปรับใช้อัตโนมัติแบบหลายเอเจนต์ต้องการอยู่ข้างใต้ Federation (broadcast_store_quorum + spawn_catchup_loop) จัดการความสอดคล้อง W-of-N ข้ามเพียร์เมื่อหลายเอเจนต์เขียนขนานกัน; ดีมอน curator ป้องกันไม่ให้คอร์ปัสที่ใช้ร่วมกันเสื่อมลงเป็นสัญญาณรบกวนเมื่อฝูงเขียนลงไป; การสมัครสมาชิก webhook (ลงนาม HMAC, กรองตามเนมสเปซ/เอเจนต์, ป้องกัน SSRF) เปลี่ยนที่เก็บข้อมูลเป็นบัสข้อความที่กระตุ้นเอเจนต์ดาวน์สตรีมเมื่อมีเหตุการณ์หน่วยความจำ; ลำดับชั้นเนมสเปซพร้อมการสืบทอด N ระดับและนโยบายการกำกับดูแลต่อเนมสเปซ (สิทธิ์เขียน/เลื่อนขั้น/ลบ, ประเภทผู้อนุมัติ, ฉันทามติ N-of-M เสริม) จำกัดขอบเขตฝูง วางสิ่งนี้ไว้ใต้ตัวรันเอเจนต์หลายเครื่องตลอด 24/7 พร้อมทักษะที่สร้างอัตโนมัติ และระบบรวมจะผ่านเกณฑ์พฤติกรรมสำหรับ AI อัตโนมัติ ช่องว่างที่เหลือ (ไม่มีการเรียนรู้ระดับน้ำหนัก, เคอร์เนลการให้เหตุผลไร้สถานะ, เป้าหมายรากที่มนุษย์กำหนด) เป็นจริงและไม่ใช่สิ่งที่ ai-memory จัดการ; ai-memory มอบซับสเตรตหน่วยความจำหลายเอเจนต์ที่ความพยายามอย่างจริงจังในการปิดช่องว่างเหล่านั้นจะต้องการ

ต้นทุนโทเค็นเป็นศูนย์จนกว่าจะเรียกคืน ไม่เหมือนระบบหน่วยความจำในตัว (Claude Code auto-memory, ChatGPT memory) ที่โหลดหน่วยความจำทั้งหมดของคุณเข้าสู่ทุกการสนทนา -- เผาผลาญโทเค็นและเงินในทุกข้อความ -- ai-memory ใช้โทเค็นบริบทเป็นศูนย์จนกว่า AI จะเรียก memory_recall อย่างชัดเจน เฉพาะความทรงจำที่เกี่ยวข้องเท่านั้นที่ส่งกลับมา จัดอันดับโดยอัลกอริทึมการให้คะแนน 6 ปัจจัย รูปแบบ TOON (Token-Oriented Object Notation) ลดโทเค็นการตอบสนองลงอีก 40-60% โดยกำจัดชื่อฟิลด์ที่ซ้ำกัน -- 3 ความทรงจำใน JSON = 1,600 ไบต์; ใน TOON = 626 ไบต์ (เล็กลง 61%); ใน TOON compact = 336 ไบต์ (เล็กลง 79%) สำหรับผู้ใช้ Claude Code: ปิดการใช้งาน auto-memory ("autoMemoryEnabled": false ใน settings.json) และแทนที่ด้วย ai-memory เพื่อหยุดจ่ายค่าบริบทหน่วยความจำ 200+ บรรทัดในทุกๆ ข้อความ

ข้อมูลประจำตัวเอเจนต์ (NHI) — ทุกความทรงจำบอกคุณว่าใครเรียนรู้มัน

ทุกความทรงจำที่ ai-memory เก็บมี metadata.agent_id — ตัวระบุ Non-Human Identity ที่คงอยู่ผ่านทุกการดำเนินการ (อัปเดต, ขจัดความซ้ำซ้อน, นำเข้า, ซิงค์, รวม) ทุกผลลัพธ์การเรียกคืนบอกคุณว่า AI ใดเขียนแต่ละความทรงจำ โดยค่าเริ่มต้น ในรูปแบบการตอบสนอง TOON-compact ที่ไคลเอนต์ AI ของคุณปรับให้เหมาะสมแล้ว:

count:5|mode:hybrid|tokens_used:842
memories[id|title|tier|namespace|priority|score|tags|agent_id]:
a1b2|Project DB is PostgreSQL 16|long|infra|8|0.91|database,postgres|ai:claude-code@workstation:pid-3812
c3d4|API rate limit is 100 rps|long|infra|7|0.87|api,limits|ai:claude-desktop@laptop:pid-5219

ในการเขียนที่ไม่ได้ลงนาม agent_id เป็นข้อมูลประจำตัวที่อ้างสิทธิ์ — อย่าตัดสินใจด้านความปลอดภัยโดยอาศัยมันเพียงอย่างเดียว การรับรองเอเจนต์ด้วยเส้นทางที่เก็บข้อมูลเป็นข้อบังคับโดยค่าเริ่มต้นบนพื้นผิวการเขียนโดยตรง HTTP (#1751, กำหนดขอบเขตพื้นผิวโดย #1985): HTTP POST /api/v1/memories (+/bulk) ที่ไม่ได้ลงนามจะถูกปฏิเสธ (403 ATTESTATION_FAILED) แทนที่จะลง attest_level = "claimed" เว้นแต่ผู้ปฏิบัติงานตั้งค่าการยกเลิกอย่างชัดเจน AI_MEMORY_REQUIRE_AGENT_ATTESTATION=0 พื้นผิว MCP memory_store และ CLI store ที่ผู้ปฏิบัติงานเป็นผู้กระทำยังคงอนุญาตโดยค่าเริ่มต้น (การเขียนที่ไม่ได้ลงนามลง claimed); =1 บังคับใช้อย่างเข้มงวดบนทุกพื้นผิว การรับรองด้วยการเข้ารหัส Ed25519 ถูกเชื่อมต่อบนสองพื้นผิว: (1) การรับรองเส้นทางที่เก็บข้อมูล (#626 Layer-3) — แสดงลายเซ็นแยกส่วนเหนือซอง SignableWrite แบบบัญญัติบนเส้นทาง CLI (store --sign), MCP (memory_store), หรือ HTTP (POST /api/v1/memories) และดีมอนตรวจสอบกับคีย์สาธารณะที่ผูกไว้ของเอเจนต์ ประทับตรา metadata.attest_level = "agent_attested" (ลายเซ็นที่แสดงแต่ปลอมแปลงจะถูกปฏิเสธเสมอโดยไม่คำนึงถึงแฟล็ก); และ (2) การรับรองลิงก์ (attested-cortex) — ฟิลด์ memory_links.signature ที่สงวนไว้ก่อนหน้านี้พร้อม memory_verify(link_id) สำหรับการตรวจสอบขาเข้าและเชนการตรวจสอบ signed_events แบบผนวกเท่านั้น ดู หน้าข้อมูลประจำตัวเอเจนต์ และ RFC attested-cortex สำหรับสัญญาที่มาฉบับเต็ม

การนำเข้าบทสนทนาย้อนหลัง — ai-memory mine

อย่าเริ่มต้นแบบเย็นชืด ชี้ ai-memory mine ไปที่การส่งออก Claude, ChatGPT หรือ Slack และมันจะแยกวิเคราะห์ทีละเทิร์นเป็นความทรงจำที่จัดอันดับ, ระบุประเภทระดับ, แท็ก — เพื่อให้ AI ของคุณเข้าสู่เซสชันถัดไปโดยรู้ทุกการตัดสินใจ, การแก้ไข, และการค้นพบจากประวัติที่มีอยู่ของคุณ

ai-memory mine claude  ~/Downloads/claude-export/
ai-memory mine chatgpt ~/Downloads/chatgpt-export.json
ai-memory mine slack   ./slack-export/

การแท็กอัตโนมัติ, การขจัดความซ้ำซ้อนบน (title, namespace), และที่มา mined_from ถูกประทับตราบนทุกความทรงจำที่นำเข้า การเริ่มต้นห้านาทีจากบริบทศูนย์สู่ที่เก็บข้อมูลระยะยาวที่มีข้อมูล ดู หน้านำเข้าประวัติ สำหรับสูตรต่อรูปแบบ

แพลตฟอร์ม AI ที่เข้ากันได้

ai-memory ทำงานร่วมกับแพลตฟอร์ม AI ใดๆ ที่สนับสนุน Model Context Protocol (MCP) MCP เป็นมาตรฐานสากลสำหรับการเชื่อมต่อผู้ช่วย AI กับเครื่องมือและแหล่งข้อมูลภายนอก

MCP เป็นเลเยอร์การผสานรวมหลัก สำหรับแพลตฟอร์ม AI ที่ยังไม่รองรับ MCP โดยตรง HTTP API (การลงทะเบียนเส้นทาง 92 รายการ / เส้นทาง URL เฉพาะ 78 เส้นทางบน localhost) และ CLI (คำสั่งย่อย 89 คำสั่งภายใต้ --features sal หรือ --features sal-postgres; 87 คำสั่งในบิลด์เริ่มต้น (หลัง #1389 L2 RecoverPreviousSession สำหรับการคืนค่าบริบทข้ามเซสชัน + #1443 Expand สำหรับพื้นผิวการขยายคำค้น ai-memory expand + #1598 Reembed สำหรับพื้นผิวการย้ายพื้นที่เวกเตอร์ ai-memory reembed); SSOT ตรึงโดย ai_memory::EXPECTED_CLI_SUBCOMMANDS_DEFAULT + EXPECTED_CLI_SUBCOMMANDS_SAL + การทดสอบความเท่าเทียมทางกลไก tests/cli_subcommand_count_invariant.rs) ให้การเข้าถึงแบบสากล -- AI, สคริปต์ หรือระบบอัตโนมัติใดๆ ที่สามารถเรียก HTTP หรือรันคำสั่งเชลล์สามารถใช้ ai-memory ได้

ติดตั้งใน 60 วินาที

ไบนารีที่สร้างไว้ล่วงหน้าไม่ต้องการการพึ่งพาใดๆ การสร้างจากซอร์สต้องการ Rust และคอมไพเลอร์ C

เร็วที่สุด: ไบนารีที่สร้างไว้ล่วงหน้า (ไม่ต้องใช้ Rust)

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/alphaonedev/ai-memory-mcp/main/install.sh | sh

# Fedora/RHEL (COPR)
sudo dnf copr enable alpha-one-ai/ai-memory && sudo dnf install ai-memory

# Windows (PowerShell)
irm https://raw.githubusercontent.com/alphaonedev/ai-memory-mcp/main/install.ps1 | iex

ขั้นตอนที่ 1: ติดตั้ง Rust (ข้ามหากใช้ไบนารีที่สร้างไว้ล่วงหน้า)

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

ทำตามคำแนะนำ จากนั้นรีสตาร์ทเทอร์มินัลของคุณ (หรือรัน source ~/.cargo/env)

ขั้นตอนที่ 2: จากซอร์ส (ต้องการ Rust)

รุ่นล่าสุดจาก Crates.io:

cargo install ai-memory

ล่าสุดจากที่เก็บ git:

cargo install --git https://github.com/alphaonedev/ai-memory-mcp.git

สิ่งนี้จะคอมไพล์ไบนารีและวางไว้ใน PATH ของคุณ ใช้เวลาประมาณหนึ่งหรือสองนาที

การพึ่งพาสำหรับการสร้างจากซอร์ส:

• Ubuntu/Debian: sudo apt-get install build-essential pkg-config
• Fedora/RHEL: sudo dnf install gcc pkg-config

ขั้นตอนที่ 3: เชื่อมต่อ AI ของคุณ

การกำหนดค่าแตกต่างกันไปตามแพลตฟอร์ม ค้นหาของคุณด้านล่าง:

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "semantic"]
    }
  }
}

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "semantic"]
    }
  }
}

# ~/.config/ai-memory/config.toml
schema_version = 2

[llm]
backend     = "xai"
model       = "grok-4.3"
base_url    = "https://api.x.ai/v1"
api_key_env = "XAI_API_KEY"            # process-env-var name (NOT the literal key)

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "autonomous"]
    }
  }
}

[mcp_servers.memory]
command = "ai-memory"
args = ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
enabled = true

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"],
      "timeout": 30000
    }
  }
}

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
    }
  }
}

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
    }
  }
}

mcpServers:
  - name: memory
    command: ai-memory
    args:
      - "--db"
      - "~/.local/share/ai-memory/memories.db"
      - "mcp"
      - "--tier"
      - "semantic"

{
  "mcp": {
    "servers": [
      {
        "id": "ai-memory",
        "label": "AI Memory",
        "enabled": true,
        "transport": "stdio",
        "command": "ai-memory",
        "args": ["mcp", "--tier", "semantic"]
      }
    ]
  }
}

ai-memory serve --host 127.0.0.1 --port 9077
# Expose via HTTPS reverse proxy (nginx, caddy, cloudflare tunnel, etc.)

curl https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.3",
    "tools": [{
      "type": "mcp",
      "server_url": "https://your-server.example.com/mcp",
      "server_label": "memory",
      "server_description": "Persistent AI memory with recall and search",
      "allowed_tools": ["memory_store", "memory_recall", "memory_search"]
    }],
    "input": "What do you remember about our project?"
  }'

ai-memory serve --host 127.0.0.1 --port 9077

client.toolgroups.register(
    provider_id="model-context-protocol",
    toolgroup_id="mcp::memory",
    mcp_endpoint={"uri": "http://localhost:9077/sse"}
)

tool_groups:
  - toolgroup_id: mcp::memory
    provider_id: model-context-protocol
    mcp_endpoint:
      uri: "http://localhost:9077/sse"

openclaw mcp set memory '{"command":"ai-memory","args":["--db","~/.local/share/ai-memory/memories.db","mcp","--tier","semantic"]}'

{
  "mcp": {
    "servers": {
      "memory": {
        "command": "ai-memory",
        "args": ["--db", "~/.local/share/ai-memory/memories.db", "mcp", "--tier", "semantic"]
      }
    }
  }
}

command: ai-memory
args: ["--db", "/path/to/ai-memory.db", "mcp"]

ai-memory serve
# 92 REST route registrations (78 unique URL paths) at http://127.0.0.1:9077/api/v1/

ขั้นตอนที่ 4: เสร็จสิ้น ทดสอบเลย

รีสตาร์ทผู้ช่วย AI ของคุณ หากใช้ MCP ตอนนี้จะมี ชุดเครื่องมือเริ่มต้น 7 รายการ ที่ประกาศเมื่อเริ่มเซสชัน (5 รายการเดิม + memory_load_family + memory_smart_load; เครื่องมืออีก 93 รายการจากทั้งหมด 100 รายการที่เรียกใช้ได้จะโหลดตามต้องการผ่าน --profile หรือ memory_capabilities --include-schema) ลองถามว่า: "บันทึกความทรงจำว่าภาษาโปรดของฉันคือ Rust" จากนั้นในการสนทนาใหม่ ให้ถามว่า: "ภาษาโปรดของฉันคืออะไร?" มันจะจดจำได้

การรองรับแพลตฟอร์มมือถือ (v0.7.0 Posture-1a)

ai-memory สามารถพกพาไปยัง iOS และ Android ได้ผ่านเส้นทางการคอมไพล์ข้ามแพลตฟอร์มมาตรฐานของ Rust v0.7.0 มาพร้อมการครอบคลุม CI สำหรับทั้งสองเป้าหมายในสามระดับที่เพิ่มขึ้น:

สถานะ ณ v0.7.0: ระดับ 1 เป็นเกณฑ์ผ่าน — การคอมไพล์ข้ามแพลตฟอร์มมือถือต้องเป็นสีเขียวก่อนตัดแท็ก ระดับ 2 (อาร์ติแฟกต์รีลีส) จัดส่งไปป์ไลน์ BUILD + โครงสร้างอาร์ติแฟกต์; ส่วนติดต่อ FFI ที่เรียกจาก C ได้จะมาถึงในเวอร์ชันต่อจาก v0.7.x ระดับ 3 รันชุดย่อยการทดสอบที่กำหนดขอบเขตทุกครั้งที่มีการ push ไปยัง release/**

การใช้งานอาร์ติแฟกต์รีลีส:

• iOS — ดาวน์โหลด ai-memory-ios.xcframework.tar.gz จากหน้ารีลีส v0.7.x แตกไฟล์ และลาก AiMemory.xcframework ลงในโปรเจกต์ Xcode ของคุณภายใต้ "Frameworks, Libraries, and Embedded Content"
• Android — ดาวน์โหลด ai-memory-android.tar.gz จากหน้ารีลีส v0.7.x แตกไฟล์ และคัดลอกโครงสร้าง jniLibs/ ลงใน src/main/jniLibs/ ของโมดูลแอปของคุณ

อาร์ติแฟกต์มือถือยังเป็นส่วนหนึ่งของทุกๆ รีลีส v0.7.x ที่เผยแพร่; สูตร Homebrew + แพ็คเกจ APT/RPM (ซึ่งจัดส่งไบนารีเดสก์ท็อป) มีหมายเหตุที่ลิงก์ไปยังการดาวน์โหลดมือถือ ดู issue #1068 สำหรับประวัติการนำ CI ไปใช้

เริ่มต้นอย่างรวดเร็ว

จากศูนย์สู่หน่วยความจำที่ทำงานได้ภายในไม่ถึงสองนาที

1. ติดตั้ง

curl -fsSL https://raw.githubusercontent.com/alphaonedev/ai-memory-mcp/main/install.sh | sh

2. กำหนดค่า MCP (ตัวอย่างสำหรับ Claude Code -- แพลตฟอร์มอื่นทำงานในลักษณะเดียวกัน)

รวมเข้ากับ ~/.claude.json:

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp", "--tier", "semantic"]
    }
  }
}

3. บันทึกความทรงจำแรกของคุณ

ai-memory store -T "Project uses PostgreSQL 15" -c "Main DB is PG 15 with pgvector." --tier long

4. เรียกคืน

ai-memory recall "database"

5. ตรวจสอบสถิติ

ai-memory stats

6. ใช้กับ AI ของคุณ รีสตาร์ทไคลเอนต์ AI ของคุณ ตอนนี้มันมี เครื่องมือหน่วยความจำเริ่มต้น 7 รายการ ที่ประกาศเมื่อบูต (รายการที่ประกาศ 101 รายการที่เข้าถึงได้ผ่านการขยายรันไทม์หรือ --profile full) บน MCP -- มันสามารถจัดเก็บและเรียกคืนความทรงจำได้โดยตรงระหว่างการสนทนา

SDKs

นอกเหนือจากส่วนติดต่อ MCP / HTTP / CLI แล้ว ai-memory ยังมาพร้อม SDK ภาษาแรกสำหรับไคลเอนต์ HTTP และยูทิลิตี้ตัวช่วย (เช่น requireProfile สำหรับการยืนยันโปรไฟล์รันไทม์บน daemon v0.6.4+)

TypeScript / JavaScript — @alphaone/ai-memory บน npm

npm install @alphaone/ai-memory

Python — ai-memory-mcp บน PyPI (ชื่อการนำเข้ายังคงเป็น ai_memory)

pip install ai-memory-mcp

from ai_memory import AiMemoryClient, require_profile

with AiMemoryClient(base_url="http://127.0.0.1:9077", api_key="...") as client:
    require_profile(client, "graph")  # raises ProfileNotLoaded on miss

SDK ทั้งสองมีเวอร์ชันตรงกับเซิร์ฟเวอร์ (0.9.0 ตรงกับ ai-memory 0.9.0) daemon v0.6.4+ บังคับใช้สัญญาโปรไฟล์; daemon ก่อน v0.6.4 จะถอยกลับไปใช้การเตือนและดำเนินการต่อแบบผ่อนปรน เพื่อให้การอัปเกรด SDK ไม่ทำให้เซิร์ฟเวอร์เก่าพัง ซอร์สอยู่ใน sdk/typescript/ และ sdk/python/

มันทำอะไรได้บ้าง?

ผู้ช่วย AI ลืมทุกอย่างระหว่างการสนทนา ai-memory แก้ไขปัญหานั้น

มันทำงานเป็นเซิร์ฟเวอร์เครื่องมือ MCP (Model Context Protocol) -- กระบวนการเบื้องหลังที่ AI ของคุณสื่อสารด้วยโดยตรง เมื่อ AI ของคุณเรียนรู้สิ่งที่สำคัญ มันจะจัดเก็บมัน เมื่อมันต้องการบริบท มันจะเรียกคืนความทรงจำที่เกี่ยวข้องซึ่งจัดอันดับโดยอัลกอริทึมการให้คะแนน 6 ปัจจัย ความทรงจำอยู่ในสามระดับ:

• ระยะสั้น (ค่าเริ่มต้น 6 ชั่วโมง กำหนดค่าได้) -- บริบทชั่วคราว เช่น สถานะการดีบักปัจจุบัน
• ระยะกลาง (ค่าเริ่มต้น 7 วัน กำหนดค่าได้) -- ความรู้ในการทำงาน เช่น เป้าหมายสปรินต์และการตัดสินใจล่าสุด
• ระยะยาว (ถาวร) -- สถาปัตยกรรม, การตั้งค่าผู้ใช้, บทเรียนที่ได้มาอย่างยากลำบาก

ความทรงจำที่ถูกเข้าถึงอย่างต่อเนื่องจะเลื่อนระดับจากระยะกลางเป็นระยะยาวโดยอัตโนมัติ การเรียกคืนแต่ละครั้งจะขยาย TTL ลำดับความสำคัญเพิ่มขึ้นตามการใช้งาน ระบบจัดการตัวเองได้

นอกเหนือจาก MCP แล้ว ai-memory ยังเปิดเผย HTTP REST API เต็มรูปแบบ (การลงทะเบียนเส้นทาง 92 รายการ / เส้นทาง URL ที่ไม่ซ้ำกัน 78 รายการบนพอร์ต 9077) และ CLI ที่สมบูรณ์ (คำสั่งย่อย 89 รายการภายใต้ --features sal หรือ --features sal-postgres; 87 รายการในบิลด์เริ่มต้น (หลัง #1389 L2 RecoverPreviousSession สำหรับการคืนสภาพบริบทข้ามเซสชัน + #1443 Expand สำหรับส่วนขยายการค้นหา ai-memory expand + #1598 Reembed สำหรับการย้ายพื้นที่เวกเตอร์ ai-memory reembed); SSOT ตรึงโดย ai_memory::EXPECTED_CLI_SUBCOMMANDS_{DEFAULT,SAL} + การทดสอบความเท่าเทียมกันทางกลไก tests/cli_subcommand_count_invariant.rs) สำหรับการโต้ตอบโดยตรง, การเขียนสคริปต์ และการรวมเข้ากับแพลตฟอร์มหรือเครื่องมือ AI ใดๆ

คุณสมบัติ

หลัก

• เซิร์ฟเวอร์เครื่องมือ MCP -- 101 เครื่องมือบน stdio JSON-RPC (โปรไฟล์เต็ม) เข้ากันได้กับไคลเอนต์ MCP ใดๆ
• หน่วยความจำสามระดับ -- ระยะสั้น (TTL เริ่มต้น 6 ชม.), ระยะกลาง (TTL เริ่มต้น 7 วัน), ระยะยาว (ถาวร) -- TTL สามารถกำหนดค่าได้
• การค้นหาข้อความแบบเต็ม -- SQLite FTS5 พร้อมการเรียกคืนแบบจัดอันดับ
• การเรียกคืนแบบผสม -- คำสำคัญ FTS5 + ความคล้ายคลึงโคไซน์พร้อมการผสมผสานแบบปรับตัว: น้ำหนักเชิงความหมายจะแตกต่างกันไป 0.50 (เนื้อหาสั้น) → 0.15 (เนื้อหายาว) เนื่องจากการฝังตัวสูญเสียข้อมูลในข้อความยาว
• การให้คะแนนการเรียกคืน 6 ปัจจัย -- ความเกี่ยวข้อง FTS + ลำดับความสำคัญ + ความถี่ในการเข้าถึง + ความมั่นใจ + การเพิ่มระดับ + การลดลงตามความใหม่
• การเลื่อนระดับอัตโนมัติ -- ความทรงจำที่เข้าถึง 5 ครั้งขึ้นไปจะเลื่อนจากระยะกลางเป็นระยะยาว
• การขยาย TTL -- การเรียกคืนแต่ละครั้งจะขยายอายุ (ระยะสั้น +1 ชม., ระยะกลาง +1 วัน)
• การเสริมลำดับความสำคัญ -- +1 ทุกๆ 10 การเข้าถึง (สูงสุด 10)
• การตรวจจับความขัดแย้ง -- เตือนเมื่อจัดเก็บความทรงจำที่ขัดแย้งกับที่มีอยู่
• การขจัดรายการซ้ำ -- upsert บน title+namespace ระดับจะไม่ถูกลดระดับ
• การให้คะแนนความมั่นใจ -- ความแน่นอน 0.0-1.0 ที่นำมาเป็นปัจจัยในการจัดอันดับ

การจัดระเบียบ

• เนมสเปซ -- แยกความทรงจำต่อโปรเจกต์ (ตรวจจับอัตโนมัติจาก git remote)
• การเชื่อมโยงความทรงจำ -- ความสัมพันธ์ที่มีประเภท: related_to, supersedes, contradicts, derived_from, reflects_on (การเรียนรู้แบบเรียกซ้ำ Task 1/8), derives_from (การแยกย่อย WT-1-A), decomposes_into, depends_on, advances -- เก้ารูปแบบ ณ v0.8.0
• การรวม -- รวมความทรงจำหลายรายการเป็นบทสรุประยะยาวรายการเดียว
• การรวมอัตโนมัติ -- จัดกลุ่มตามเนมสเปซ+แท็ก รวมกลุ่มที่เกินเกณฑ์โดยอัตโนมัติ
• การแก้ไขความขัดแย้ง -- ทำเครื่องหมายความทรงจำหนึ่งว่าแทนที่อีกอันหนึ่ง ลดระดับอันที่แพ้
• ลืมตามรูปแบบ -- ลบจำนวนมากตามเนมสเปซ + รูปแบบ FTS + ระดับ
• การติดตามแหล่งที่มา -- ติดตามต้นกำเนิด: user, claude, hook, api, cli, import, consolidation, system
• ข้อมูลประจำตัวของเอเจนต์ (NHI) -- ทุกความทรงจำมี metadata.agent_id (ข้อมูลประจำตัวที่อ้างสิทธิ์) พร้อมความไม่เปลี่ยนแปลงเชิงป้องกันหลายชั้นในการอัปเดต/ขจัดรายการซ้ำ/นำเข้า/ซิงค์/รวม; กรอง list/search ตามเอเจนต์
• การติดแท็ก -- แท็กที่คั่นด้วยเครื่องหมายจุลภาคพร้อมการรองรับตัวกรอง

ส่วนต่อประสาน

• 92 เส้นทาง HTTP (78 เส้นทางที่ไม่ซ้ำกัน) -- REST API เต็มรูปแบบบน 127.0.0.1:9077 (ทำงานกับ AI หรือเครื่องมือใดๆ)
• 89 คำสั่งย่อย CLI ภายใต้ --features sal หรือ --features sal-postgres (87 ในบิลด์เริ่มต้น) -- CLI ที่สมบูรณ์พร้อมความสามารถที่เหมือนกัน
• 101 เครื่องมือ MCP ที่โปรไฟล์เต็ม (7 ค่าเริ่มต้น; ตรวจสอบกับ Profile::full().expected_tool_count()) -- การรวมแบบเนทีฟสำหรับ AI ที่เข้ากันได้กับ MCP ใดๆ
• เชลล์ REPL แบบโต้ตอบ -- เรียกคืน, ค้นหา, แสดงรายการ, รับ, สถิติ, เนมสเปซ, ลบ พร้อมเอาต์พุตสี
• เอาต์พุต JSON -- แฟล็ก --json ในทุกคำสั่ง CLI
• การประสานงานแบบกระจาย (v0.8.0 Pillar-1 + Pillar-2) -- DAG การกระทำ (memory_action_*), สัญญาเช่าผู้ถือรายเดียว (memory_lease_*), สัญญาณที่ลงนามด้วย Ed25519 (memory_signal_*), จุดตรวจสอบที่รับรอง (memory_checkpoint_*), รูทีนที่มีพารามิเตอร์ (memory_routine_*) และวงจรชีวิตการรู้คิดแบบมีประเภท Goal/Plan/Step ดู docs/coordination.md

การดำเนินการ

• การซิงค์หลายโหนด -- ดึง, ผลัก หรือรวมสองทิศทางระหว่างไฟล์ฐานข้อมูล
• นำเข้า/ส่งออก -- การเดินทางไปกลับ JSON เต็มรูปแบบที่รักษาลิงก์ความทรงจำ
• การเก็บขยะ -- การหมดอายุพื้นหลังอัตโนมัติทุก 30 นาที
• การปิดระบบอย่างนุ่มนวล -- SIGTERM/SIGINT สร้างจุดตรวจสอบ WAL เพื่อการออกที่สะอาด
• การตรวจสอบสุขภาพเชิงลึก -- ตรวจสอบการเข้าถึง DB และความสมบูรณ์ของ FTS5
• การเติมคำสั่งเชลล์ -- bash, zsh, fish
• หน้าคู่มือ -- ai-memory man สร้าง roff ไปยัง stdout
• ตัวกรองเวลา -- --since/--until ในรายการและการค้นหา
• อายุที่มนุษย์อ่านได้ -- "2 ชม. ที่แล้ว", "3 วันที่แล้ว" ในเอาต์พุต CLI
• เอาต์พุต CLI แบบมีสี -- ป้ายกำกับระดับ ANSI (แดง/เหลือง/เขียว), แถบลำดับความสำคัญ, ชื่อเรื่องตัวหนา, เนมสเปซสีฟ้า

คุณภาพ

• ~10,000 การทดสอบทั่วทั้งพื้นผิว — ประมาณ 6,712 แอตทริบิวต์ #[test]/#[tokio::test] ภายใต้ src/ (5,759 #[test] + 953 #[tokio::test]) บวกประมาณ 3,362 ภายใต้ tests/ (2,138 #[test] + 1,224 #[tokio::test]) เติบโตจากพื้นฐาน ~2,400 การทดสอบในยุค v0.6.4 (1,960 lib + 211 integration + 16 mcp_integration + 4 webhook_http_parity + 16 recipe_contract + ~150 ในเป้าหมายไบนารีอื่นๆ) ความครอบคลุมบรรทัดยังคงสูงกว่าเกณฑ์โครงการ ≥92% ; โมดูลใหม่สุทธิ v0.6.4 ที่ 100% (sizes.rs), 99.50% (profile.rs), 97.58% (cli/audit.rs), 97.05% (cli/doctor.rs), 92.56% (handlers.rs), 92.26% (cli/install.rs) พื้นฐาน v0.6.3.x (1,809 / 93.08% และ 1,886 / 93.84%) ยังคงถูกแช่แข็งบน หน้าหลักฐาน; เมตริก v0.6.4 ในบันทึกประจำรุ่นและบน แคมเปญ test-hub การยอมรับการค้นพบ NHI เชิงประจักษ์ได้รับการพิสูจน์แยกต่างหากโดย Discovery Gate (เมทริกซ์ T1–T4 เทียบกับ xAI Grok 4.3 สด, 6/6 ผ่าน, GATE GREEN)
• เกณฑ์มาตรฐาน LongMemEval — 97.0% R@5 คำสำคัญ FTS5 ล้วน (ไม่ขึ้นกับ LLM, 2.2 วินาที, 232 q/s, ไม่มีค่าใช้จ่าย API) บนชุดข้อมูล ICLR 2025 LongMemEval-S; การขยายคำค้น LLM ด้วยโมเดล Gemma 4 รุ่นปัจจุบันวัดได้ 97.2% R@5 / 99.6% R@10 / 99.8% R@20 (สถานที่ API คลาวด์; ตัวเลขในอดีต gemma3:4b 97.8% ถูกยกเลิกเป็นหัวข้อหลักตาม #1975) ดู รายละเอียดเกณฑ์มาตรฐาน
• MCP Prompts — พรอมต์ recall-first และ memory-workflow สอนไคลเอนต์ AI ให้ใช้หน่วยความจำเชิงรุก
• TOON-default — การตอบสนอง recall/list/search ใช้ TOON compact เป็นค่าเริ่มต้น (เล็กกว่า JSON 79%)
• เกณฑ์มาตรฐาน Criterion — แทรก, เรียกคืน, ค้นหาที่สเกล 1K
• GitHub Actions CI/CD — fmt, clippy, test, build บน Ubuntu + macOS, release เมื่อแท็ก

ขอบเขตความครอบคลุมขั้นต่ำ (เกณฑ์ CI แบบเข้มงวด)

งาน Code Coverage เป็นการตรวจสอบสถานะที่จำเป็น CI ยืนยันค่าคงที่สองค่าอีกครั้งในทุก PR: ขอบเขตขั้นต่ำสัมบูรณ์ที่ >= 90% บรรทัด (ตัวป้องกันการถดถอยร้ายแรง ตั้งไว้ที่การวัดปัจจุบันปัดลงเป็นทวีคูณของ 5% ที่ใกล้ที่สุด) และ กลไกป้องกันการถดถอยเทียบกับค่าที่ตรึงไว้ใน .coverage-baseline โดยมีช่วงหย่อน 0.5% (การบังคับใช้แบบวันต่อวัน) PR ที่เพิ่มความครอบคลุมควรอัปเดตไฟล์พื้นฐานในการคอมมิตเดียวกัน เพื่อให้ PR ในอนาคตได้รับประโยชน์จากขอบเขตขั้นต่ำใหม่ PR ที่ถดถอยมากกว่า 0.5% จะถูกบล็อกไม่ให้ผสาน การวัดปัจจุบัน: 93.13% บรรทัด

เกณฑ์งบประมาณโทเค็น (เกณฑ์ CI แบบเข้มงวด, v0.7 C5)

เวิร์กโฟลว์ token-budget เป็นการตรวจสอบสถานะที่จำเป็น โดยบังคับใช้ค่าคงที่ที่วัดด้วย cl100k_base สามค่าในทุก PR:

• เพดานต่อเครื่องมือที่ 1500 โทเค็น -- สคีมาที่ซีเรียลไลซ์ของเครื่องมือ MCP เดียว (ชื่อ + คำอธิบาย + inputSchema) ต้องไม่เกิน 1500 โทเค็น cl100k_base
• ช่วงที่เหมาะสมของโปรไฟล์เต็ม (5K-8K) -- ตัวป้องกัน v0.6.4 ที่คงไว้เพื่อตรวจจับการหดตัวที่ผิดปกติ (การทำเครื่องมือตกหล่นโดยไม่ตั้งใจ)
• เพดานสูงสุดแบบเข้มงวดของโปรไฟล์เต็ม (v0.7 C5, ปรับเพิ่มหลัง D1.6/D1.7) -- เพย์โหลด tools/list ที่ตัดแต่งภายใต้ --profile full ต้องไม่เกิน 11,000 โทเค็น cl100k_base (TRIMMED_FULL_PROFILE_CEILING_TOKENS ใน tests/token_budget_guard.rs; เป้าหมาย C5 เดิมคือ 3500 เทียบกับสคีมาที่เขียนด้วยมือก่อน D1.6 — การขยาย D1.6/D1.7 ที่ได้จาก schemars ทำให้เพดานที่ตรึงไว้สูงขึ้น) C2 (แยกฟิลด์ docs), C3 (ยุบบอยเลอร์เพลตสคีมาที่ซ้ำกัน) และ C4 (ซ่อนพารามิเตอร์ทางเลือกที่ไม่ค่อยได้ใช้) เป็นตัวขับเคลื่อนการบีบอัดเดิม เกณฑ์นี้บังคับให้ PR ในอนาคตที่ขยายพื้นผิวต้องลดงบประมาณจากที่อื่น ตรวจสอบ ai-memory doctor --tokens --raw-table เพื่อดูต้นทุนต่อเครื่องมือ ดู .github/workflows/token-budget.yml และ docs/v0.7/schema-compaction-audit.md

การพึ่งพา ML และ LLM (ระดับ semantic ขึ้นไป)

• candle-core, candle-nn, candle-transformers -- เฟรมเวิร์ก Hugging Face Candle ML สำหรับการอนุมานแบบเนทีฟใน Rust
• hf-hub -- ดาวน์โหลดโมเดลจาก Hugging Face Hub
• tokenizers -- Hugging Face tokenizers สำหรับการเตรียมข้อมูลข้อความล่วงหน้า
• instant-distance -- การค้นหาเพื่อนบ้านใกล้เคียงโดยประมาณ
• reqwest -- ไคลเอนต์ HTTP สำหรับการสื่อสารกับแบ็กเอนด์ LLM (ระดับ smart/autonomous — ผู้ให้บริการใดๆ ตาม #1067: Ollama, xAI, OpenAI, Anthropic, Gemini, DeepSeek, Kimi, Qwen, Mistral, Groq, Together, Cerebras, OpenRouter, Fireworks, LMStudio, vLLM, เซิร์ฟเวอร์ llama.cpp)

สถาปัตยกรรม

การวัดประสิทธิภาพ

ประเมินบนชุดข้อมูล ICLR 2025 LongMemEval-S (500 คำถาม, 6 หมวดหมู่) ระดับคีย์เวิร์ด FTS5 ล้วนทำ R@5 ได้ 97.0% ใน 2.2 วินาที — ไม่ขึ้นกับ LLM, ทำงานภายในเครื่องทั้งหมด, ไม่มีการเรียก Cloud API, ไม่มีค่าใช้จ่าย การขยายคำค้นด้วย LLM (ระดับ smart) วัด R@5 ได้ 97.2% ด้วยโมเดล Gemma 4 รุ่นปัจจุบัน (ผ่านช่องทาง Cloud API)

หมายเหตุโมเดลวัดประสิทธิภาพ (อัปเดต 2026-07-10, คำตัดสิน #1975): ตัวเลข R@5 97.8% ในอดีตของระดับ smart วัดด้วย Gemma 3 4B (ยังคงเป็นโมเดลขยายเริ่มต้นที่คอมไพล์ไว้) และถูกยกเลิกในฐานะตัวเลขหลัก จุดยึดรุ่นปัจจุบันที่เผยแพร่คือการรัน OpenRouter Gemma 4 ที่วัดได้: 97.2% R@5 / 99.6% R@10 / 99.8% R@20 (2026-05-31, 500 คำถาม, ไม่มีความล้มเหลวในการขยาย) ไม่มีตัวเลข Gemma-4 บน Ollama ภายในเครื่อง — โฮสต์วัดประสิทธิภาพอ้างอิงเป็น CPU เท่านั้น ซึ่งการรันภายในเครื่องแบบเต็มโปรโตคอลที่ถูกต้องเป็นไปไม่ได้ (ดู #1983); การรันซ้ำบน GPU ภายในเครื่องยังคงเปิดกว้างหลัง v1.0 R@5 97.0% ของระดับคีย์เวิร์ดไม่ขึ้นกับ LLM และไม่ได้รับผลกระทบ

งบประมาณประสิทธิภาพ (v0.6.4)

ทุกรีลีสมาพร้อมกับ งบประมาณ p95/p99 ที่เผยแพร่ สำหรับการดำเนินการในเส้นทางหลัก และเกณฑ์ CI ที่ทำให้ PR ใดๆ ที่วัด p95 ได้เกินงบประมาณมากกว่า 10% ล้มเหลว เป้าหมายถูกปรับเทียบสำหรับฮาร์ดแวร์อ้างอิง M4 ตารางและวิธีการเต็มรูปแบบใน PERFORMANCE.md

รันเวิร์กโหลดเดียวกันภายในเครื่อง:

ai-memory bench                      # human-readable table
ai-memory bench --json               # machine-parseable

ซับสเตรตไม่เปลี่ยนแปลงใน v0.6.3.x → v0.6.4 (รีลีส quiet-tools มาพร้อมพื้นผิวเครื่องมือเริ่มต้นที่เล็กลง ไม่ใช่เส้นทางหลักที่แตกต่าง) เป้าหมาย p99 ที่นี่ยังคงเป็นข้อมูลเบื้องต้นระหว่างรอช่วงทดสอบโหลดเฉพาะครั้งถัดไป หลักฐานการทดสอบโหลดล่าสุดอยู่บน test hub

วิธีการผสานรวม

MCP (หลัก -- สำหรับแพลตฟอร์ม AI ที่เข้ากันได้กับ MCP)

MCP เป็นการผสานรวมที่แนะนำ AI ของคุณจะได้รับ เครื่องมือหน่วยความจำเนทีฟ 7 รายการที่โฆษณาโดยค่าเริ่มต้น (5 รายการเดิม + memory_load_family + memory_smart_load; รวมถึง memory_capabilities บูตสแตรปที่เปิดใช้งานตลอดเวลา) โดยไม่ต้องใช้โค้ดเชื่อมต่อใดๆ เครื่องมือที่เรียกได้อีก 93 รายการ (รายการที่โฆษณา 101 รายการ — ตรวจสอบกับ Profile::full().expected_tool_count() และตรึงโดย const_count_matches_full_profile ใน src/mcp/registry.rs) ยังคงเข้าถึงได้ผ่าน --profile graph|admin|power|full หรือการขยายรันไทม์ผ่าน memory_capabilities --include-schema family=<name> กำหนดค่าเซิร์ฟเวอร์ MCP ในค่าคอนฟิกของแพลตฟอร์ม AI ของคุณ:

{
  "mcpServers": {
    "memory": {
      "command": "ai-memory",
      "args": ["--db", "~/.claude/ai-memory.db", "mcp"]
    }
  }
}

HTTP API (สากล -- สำหรับ AI หรือเครื่องมือใดๆ)

เริ่มเซิร์ฟเวอร์ HTTP สำหรับการเข้าถึง REST API AI, สคริปต์, หรือระบบอัตโนมัติใดๆ ที่สามารถเรียก HTTP ได้สามารถใช้สิ่งนี้:

ai-memory serve
# 92 REST route registrations (78 unique URL paths) at http://127.0.0.1:9077/api/v1/

CLI (สากล -- สำหรับการเขียนสคริปต์และการใช้งานโดยตรง)

CLI ทำงานแบบสแตนด์อโลนหรือเป็นบล็อกก่อสร้างสำหรับการผสานรวม AI ที่รันคำสั่งเชลล์:

ai-memory store --tier long --title "Architecture decision" --content "We use PostgreSQL"
ai-memory recall "database choice"
ai-memory search "PostgreSQL"

ระดับคุณสมบัติ

ai-memory รองรับ 4 ระดับคุณสมบัติ เลือกเมื่อเริ่มต้นด้วย ai-memory mcp --tier <tier> ระดับที่สูงขึ้นเพิ่มความสามารถ ML โดยแลกกับพื้นที่ดิสก์และ RAM:

เมทริกซ์ความสามารถ

ทุกความสามารถถูกแมปกับระดับขั้นต่ำของมัน แต่ละระดับรวมความสามารถทั้งหมดจากระดับที่ต่ำกว่า

ระดับ Semantic (ค่าเริ่มต้น) รวมเฟรมเวิร์ก Candle ML และดาวน์โหลดโมเดล all-MiniLM-L6-v2 ในการรันครั้งแรก (~90 MB) ระดับ Smart และ autonomous ต้องการแบ็กเอนด์ LLM — หลัง #1067 (v0.7.0) สามารถเป็นภายในเครื่อง (Ollama, LMStudio, vLLM, เซิร์ฟเวอร์ llama.cpp) หรือปลายทางระยะไกลใดๆ ที่เข้ากันได้กับ OpenAI (xAI, OpenAI, Anthropic ผ่าน shim ของ OpenAI, Google Gemini, DeepSeek, Kimi, Qwen, Mistral, Groq, Together, Cerebras, OpenRouter, Fireworks) การเลือกทำผ่านตัวแปรสภาพแวดล้อม AI_MEMORY_LLM_BACKEND; คีย์ API ต่อผู้ให้บริการผ่าน XAI_API_KEY / OPENAI_API_KEY / ANTHROPIC_API_KEY / GEMINI_API_KEY / DEEPSEEK_API_KEY / MOONSHOT_API_KEY / DASHSCOPE_API_KEY / ฯลฯ หรือ AI_MEMORY_LLM_API_KEY มาตรฐาน

ระดับควบคุมคุณสมบัติ ไม่ใช่โมเดล — และหลัง #1067 (v0.7.0), ระดับควบคุมคุณสมบัติ ไม่ใช่ผู้ให้บริการเช่นกัน แฟล็ก --tier ควบคุมว่าเครื่องมือใดถูกเปิดเผย แบ็กเอนด์ LLM + โมเดลสามารถกำหนดค่าแยกกันได้ผ่านตัวแปรสภาพแวดล้อม AI_MEMORY_LLM_BACKEND + AI_MEMORY_LLM_MODEL (หรือผ่านส่วน [llm] มาตรฐานใน ~/.config/ai-memory/config.toml — ดู docs/CONFIG_SCHEMA.md สำหรับสคีมาองค์กร v0.7.x และเครื่องมือโยกย้าย) ตัวอย่างเช่น รันระดับ autonomous (พื้นผิวเต็ม 101 รายการ + ตัวจัดอันดับใหม่) กับ xAI Grok 4 ผ่านนามแฝงที่เข้ากันได้กับ OpenAI:

# Quick path: env vars
export AI_MEMORY_LLM_BACKEND=xai
export AI_MEMORY_LLM_MODEL=grok-4.3
export XAI_API_KEY=xai-…   # or AI_MEMORY_LLM_API_KEY
ai-memory mcp --tier autonomous

# Enterprise path: ~/.config/ai-memory/config.toml (v0.7.x schema v2, #1146)
schema_version = 2
tier = "autonomous"

[llm]
backend     = "xai"
model       = "grok-4.3"
base_url    = "https://api.x.ai/v1"
api_key_env = "XAI_API_KEY"          # mutually exclusive with api_key_file;
                                     # inline `api_key = "..."` is REJECTED.

# Legacy v0.6.x shape — still works, deprecation WARN at load; run
# `ai-memory config migrate` to upgrade in place.
tier = "autonomous"
llm_model = "gemma3:4b"   # default Ollama model at v0.7.0

แฟล็ก --tier ต้อง ถูกส่งในอาร์กิวเมนต์ MCP -- การตั้งค่าระดับ config.toml จะไม่ถูกใช้เมื่อเซิร์ฟเวอร์ถูกเปิดโดยไคลเอนต์ AI

# Semantic is the default tier
ai-memory mcp

# Keyword -- FTS5 only, no models
ai-memory mcp --tier keyword

# Semantic -- hybrid recall with embeddings (explicit)
ai-memory mcp --tier semantic

# Smart -- adds LLM-powered query expansion, auto-tagging, contradiction detection
ai-memory mcp --tier smart

# Autonomous -- adds cross-encoder reranking
ai-memory mcp --tier autonomous

เครื่องมือ memory_capabilities รายงานระดับที่ใช้งานอยู่, โมเดลที่โหลด, และความสามารถที่มีในรันไทม์

เครื่องมือ MCP

เครื่องมือ 101 รายการเหล่านี้ (โปรไฟล์เต็ม; จำนวนมาตรฐานผ่าน Profile::full().expected_tool_count() ใน src/profile.rs) พร้อมใช้งานสำหรับ AI ใดๆ ที่เข้ากันได้กับ MCP เมื่อกำหนดค่าเป็นเซิร์ฟเวอร์ MCP (หน้าหลักฐานที่ตรึง v0.6.4 แสดงรายการพื้นฐาน 63 เครื่องมือ; ตารางด้านล่างบันทึกเซตย่อยหลักที่ไคลเอนต์ส่วนใหญ่ใช้ในแต่ละวัน):

HTTP API

การลงทะเบียนเส้นทาง 92 รายการ / เส้นทาง URL ที่ไม่ซ้ำกัน 78 เส้นทางบน 127.0.0.1:9077 เริ่มต้นด้วย ai-memory serve ตารางด้านล่างแสดงจุดปลาย REST ที่ใช้บ่อยที่สุด; ดู docs/API_REFERENCE.md สำหรับพื้นผิวทั้งหมด (การกำกับดูแล, สหพันธ์, การสมัครสมาชิก, กราฟความรู้, โควตา, การอนุมัติ SSE)

ความปลอดภัย: เซิร์ฟเวอร์ HTTP ผูกกับ 127.0.0.1 และมาพร้อมกับการกำหนดค่าการรับรองความถูกต้องเป็นค่าเริ่มต้น พร้อมด้วย CORS แบบอนุญาตทั้งหมด ตั้งค่า api_key ใน config.toml เพื่อต้องการส่วนหัว x-api-key ในทุกคำขอ (รูปแบบพารามิเตอร์คิวรี ?api_key= แบบเดิมถูกยกเลิกที่ v0.7.0 — #1574) และตั้งค่า AI_MEMORY_REQUIRE_API_KEY=1 เพื่อปฏิเสธการเริ่มต้นโดยไม่มีคีย์อย่างเข้มงวด (#1458) ห้ามเปิดเผยสู่เครือข่ายโดยไม่มีการรับรองความถูกต้อง (และควรใช้ TLS ผ่าน --tls-cert/--tls-key หรือ reverse proxy)

คำสั่ง CLI

คำสั่งย่อยระดับบนสุด 89 คำสั่งภายใต้ --features sal หรือ --features sal-postgres (87 ในรุ่นมาตรฐาน; ช่องว่าง 2 ตัวแปรคือ Migrate + SchemaInit, ทั้งคู่ถูกควบคุม #[cfg(feature = "sal")] ตาม src/daemon_runtime.rs::Command::{Migrate,SchemaInit}; มี 40 คำสั่งที่ v0.6.4) รัน ai-memory <command> --help สำหรับรายละเอียดของคำสั่งใดๆ หรือ ai-memory --help สำหรับรายการทั้งหมด

ไบนารีระดับบนสุด ai-memory ยังยอมรับแฟล็กส่วนกลาง:

คำสั่งย่อย store ยอมรับแฟล็กเพิ่มเติม:

คำสั่งย่อย mcp ยอมรับแฟล็กเพิ่มเติม:

การให้คะแนนการเรียกคืน

ทุกคำค้นหาการเรียกคืนจัดอันดับความทรงจำด้วย 6 ปัจจัย:

score = (fts_relevance * -1)
      + (priority * 0.5)
      + (MIN(access_count, 50) * 0.1)
      + (confidence * 2.0)
      + tier_boost
      + recency_decay

ระดับความทรงจำ

พฤติกรรมอัตโนมัติ

• การขยาย TTL เมื่อเรียกคืน: ความทรงจำระยะสั้นได้ +1 ชั่วโมง, ความทรงจำระยะกลางได้ +1 วัน
• การเลื่อนระดับอัตโนมัติ: ความทรงจำระดับกลางที่เข้าถึง 5+ ครั้งเลื่อนเป็นระยะยาว (ล้างวันหมดอายุ)
• การเสริมลำดับความสำคัญ: ทุก 10 การเข้าถึง, ลำดับความสำคัญเพิ่มขึ้น 1 (จำกัดที่ 10)
• การตรวจจับข้อขัดแย้ง: เตือนเมื่อความทรงจำใหม่ขัดแย้งกับที่มีอยู่ในเนมสเปซเดียวกัน
• การลบรายการซ้ำ: upsert ด้วยชื่อ+เนมสเปซ; ระดับไม่เคยถูกลดเมื่ออัปเดต

TTL ที่กำหนดค่าได้

TTL เริ่มต้น (6 ชั่วโมงสำหรับระยะสั้น, 7 วันสำหรับระยะกลาง) สามารถแทนที่ได้ใน ~/.config/ai-memory/config.toml ภายใต้ส่วน [ttl]:

[ttl]
short_ttl_secs = 21600      # short-tier TTL in seconds (default: 21600 = 6 hours)
mid_ttl_secs = 604800        # mid-tier TTL in seconds (default: 604800 = 7 days)
long_ttl_secs = 0            # long-tier TTL in seconds (default: 0 = never expires)
short_extend_secs = 3600     # TTL extension on recall for short-tier memories in seconds (default: 3600 = +1h)
mid_extend_secs = 86400      # TTL extension on recall for mid-tier memories in seconds (default: 86400 = +1d)

ทั้งห้าฟิลด์เป็นทางเลือก -- ละเว้นฟิลด์ใดๆ เพื่อคงค่าเริ่มต้น ตั้งค่าใดๆ เป็น 0 เพื่อปิดการหมดอายุสำหรับระดับนั้น ค่าถูกจำกัดสูงสุด 10 ปี; ค่าส่วนขยายที่เป็นลบถูกจำกัดเป็น 0

หมายเหตุ: การกำหนดค่าถูกโหลดครั้งเดียวเมื่อเริ่มต้นกระบวนการ การเปลี่ยนแปลง config.toml ต้องรีสตาร์ทกระบวนการ ai-memory (เซิร์ฟเวอร์ MCP, daemon HTTP, หรือ CLI) จึงจะมีผล

ที่เก็บถาวร

เมื่อการเก็บขยะทำให้ความทรงจำหมดอายุ, มันสามารถถูกเก็บถาวรแทนการลบอย่างถาวร ความทรงจำที่เก็บถาวรถูกย้ายไปยังที่เก็บแยกต่างหากและสามารถเรียกดู, กู้คืน, หรือล้างในภายหลังได้

การกำหนดค่า

เปิดใช้งานการเก็บถาวรใน ~/.config/ai-memory/config.toml:

archive_on_gc = true   # archive expired memories instead of deleting them (default: true)

คำสั่ง CLI

คำสั่งย่อย archive จัดการที่เก็บถาวร:

ai-memory archive list                          # list archived memories
ai-memory archive list --namespace my-project   # filter by namespace
ai-memory archive restore <id>                  # restore an archived memory to active store
ai-memory archive purge --older-than-days 90     # permanently delete archives older than 90 days
ai-memory archive stats                         # show archive statistics

หมายเหตุ: ความทรงจำที่กู้คืนจะถูกล้าง expires_at (กลายเป็นถาวรจนกว่าจะมีการกำหนด TTL ครั้งต่อไป)

เครื่องมือ MCP

มีเครื่องมือเก็บถาวรสี่รายการสำหรับไคลเอนต์ MCP:

จุดปลาย HTTP

ความปลอดภัย

ai-memory รวมการเสริมความแข็งแกร่งในทุกเส้นทางอินพุต:

• ความปลอดภัยของธุรกรรม -- การดำเนินการฐานข้อมูลหลายขั้นตอนทั้งหมดใช้ธุรกรรม; ไม่มีการเขียนบางส่วนเมื่อเกิดความล้มเหลว
• การป้องกันการแทรกข้อมูล FTS -- ข้อมูลนำเข้าจากผู้ใช้ถูกทำให้ปลอดภัยก่อนถึงคิวรี FTS5; อักขระพิเศษถูกหลีกเลี่ยง
• การทำให้ข้อผิดพลาดปลอดภัย -- พาธฐานข้อมูลภายในและรายละเอียดระบบถูกตัดออกจากการตอบกลับข้อผิดพลาด; ไคลเอนต์เห็นประเภทข้อผิดพลาดที่มีโครงสร้าง (NOT_FOUND, VALIDATION_FAILED, DATABASE_ERROR, CONFLICT)
• ขีดจำกัดขนาดเนื้อหา -- เนื้อหาคำขอ HTTP ถูกจำกัดที่ 50 MB ผ่าน DefaultBodyLimit ของ Axum
• ขีดจำกัดการดำเนินการแบบกลุ่ม -- ปลายทางการสร้างแบบกลุ่มบังคับใช้ขนาดแบทช์สูงสุดเพื่อป้องกันการใช้ทรัพยากรจนหมด
• CORS -- เลเยอร์ CORS แบบอนุญาตเปิดใช้งานสำหรับเวิร์กโฟลว์การพัฒนาบน localhost
• การตรวจสอบความถูกต้องของข้อมูลนำเข้า -- ทุกเส้นทางการเขียนตรวจสอบความยาวชื่อเรื่อง ความยาวเนื้อหา รูปแบบเนมสเปซ ค่าต้นทาง ช่วงลำดับความสำคัญ (1-10) ช่วงความเชื่อมั่น (0.0-1.0) รูปแบบแท็ก ค่าระดับ ประเภทความสัมพันธ์ และรูปแบบ ID
• การตรวจสอบลิงก์ในการซิงค์ -- ลิงก์ทั้งหมดถูกตรวจสอบ (ทั้งสอง ID, ประเภทความสัมพันธ์, ไม่มีลิงก์ตัวเอง) ก่อนนำเข้าระหว่างการดำเนินการซิงค์
• สีที่ปลอดภัยต่อเธรด -- การตรวจจับสีเทอร์มินัลใช้ AtomicBool เพื่อการเข้าถึงพร้อมกันอย่างปลอดภัย
• HTTP เฉพาะภายใน -- เซิร์ฟเวอร์ HTTP ผูกกับ 127.0.0.1 โดยค่าเริ่มต้น; ไม่เปิดเผยสู่เครือข่าย
• โหมด WAL -- SQLite Write-Ahead Logging สำหรับการอ่านพร้อมกันอย่างปลอดภัยระหว่างการเขียน

เอกสารประกอบ

ใบอนุญาต

ลิขสิทธิ์ 2026 AlphaOne LLC.

ได้รับอนุญาตภายใต้ Apache License, Version 2.0 ("ใบอนุญาต"); คุณไม่สามารถใช้ไฟล์นี้ยกเว้นตามข้อกำหนดของใบอนุญาต คุณสามารถขอรับสำเนาใบอนุญาตได้ที่

http://www.apache.org/licenses/LICENSE-2.0

เว้นแต่กฎหมายที่บังคับใช้กำหนดหรือตกลงเป็นลายลักษณ์อักษร ซอฟต์แวร์ ที่แจกจ่ายภายใต้ใบอนุญาตจะถูกแจกจ่ายบนพื้นฐาน "ตามสภาพ" โดยไม่มีการรับประกันหรือเงื่อนไขใดๆ ทั้งโดยชัดแจ้งหรือโดยนัย ดูใบอนุญาตสำหรับภาษาที่ควบคุมสิทธิ์และ ข้อจำกัดภายใต้ใบอนุญาต