YourMemory: ИИ-память с биологическим забыванием достигает 59% воспроизведения на LoCoMo-10

✍️ OpenClawRadar📅 Опубликовано: 27 апреля 2026 г.🔗 Source
YourMemory: ИИ-память с биологическим забыванием достигает 59% воспроизведения на LoCoMo-10
Ad

YourMemory реализует постоянную память для AI-агентов, используя кривую забывания Эббингауза — воспоминания ослабевают, если не подкрепляются припоминанием, а неиспользуемые данные удаляются при достижении порога. Построенный как локальный MCP-сервер на DuckDB, он сочетает BM25, векторный поиск и графовый слой для решения проблемы «логического соседа», когда семантический поиск пропускает релевантные, но не похожие узлы.

Бенчмарки

На бенчмарке LoCoMo-10 (1534 пары вопрос-ответ по 10 многосессионным диалогам):

  • YourMemory: 59% Recall@5 (95% ДИ: 56–61%)
  • Zep Cloud: 28% (95% ДИ: 26–30%)

Это в 2 раза лучше, чем Zep Cloud. Сообщается, что векторные хранилища без состояния тратят на 84% больше токенов.

Быстрый старт

Python 3.11–3.14. Docker или внешние сервисы не требуются.

pip install yourmemory
yourmemory-setup

Получите путь к конфигурации:

yourmemory-path

Настройка MCP

Claude Code — добавьте в ~/.claude/settings.json:

{
  "mcpServers": {
    "yourmemory": {
      "command": "yourmemory"
    }
  }
}

Claude Desktop — добавьте в соответствующий конфигурационный файл:

{
  "mcpServers": {
    "yourmemory": {
      "command": "yourmemory"
    }
  }
}

Cline, Cursor, OpenCode и любой MCP-совместимый клиент (Windsurf, Continue, Zed) могут подключить его, используя полный путь из yourmemory-path.

Ad

Работа с памятью

Скопируйте пример инструкций:

cp sample_CLAUDE.md CLAUDE.md

Затем отредактируйте CLAUDE.md, указав своё имя и ID пользователя. Claude выполняет workflow: припоминание → сохранение → обновление для каждой задачи, используя три MCP-инструмента:

  • recall_memory(query) — извлекает релевантные воспоминания в начале задачи
  • store_memory(content, importance) — внедряет и сохраняет с биологическим затуханием
  • update_memory(id, new_content) — перестраивает внедрение и заменяет устаревшую информацию

Пример: store_memory("Sachit предпочитает табуляцию пробелам в Python", importance=0.9, category="fact")

Для кого это

Для разработчиков, создающих AI-агенты для написания кода, работающие над долгоживущими проектами и нуждающиеся в запоминании предпочтений пользователя, контекста проекта, а также в том, чтобы избежать переобучения с нуля в каждой сессии.

📖 Читать полный источник: HN LLM Tools

Ad

👀 Смотрите также

Самостоятельно размещенный контекстный бандит на Rust: Syntra и Lycan для адаптивных систем принятия решений
Инструменты

Самостоятельно размещенный контекстный бандит на Rust: Syntra и Lycan для адаптивных систем принятия решений

Два проекта с открытым исходным кодом: Lycan (язык выполнения графов с узлами стратегий и обученными весами) и Syntra (приложение Docker/API, обслуживающее скомпилированные капсулы Lycan). При использовании на собственном продукте для дебатов по AI-акциям обнаружили ошибки в конвейере данных до ошибок времени выполнения.

OpenClawRadar
Автоматизированный конвейер кода Claude сократил использование токенов с 78 тысяч до 15 тысяч на функцию.
Инструменты

Автоматизированный конвейер кода Claude сократил использование токенов с 78 тысяч до 15 тысяч на функцию.

Открытый конвейер для Claude Code автоматизирует 12 этапов, включая предварительный анализ существующего кода, сокращая использование токенов с ~78k до ~15k на функцию. Он предлагает три профиля (yolo, стандартный, параноидальный) и заменяет оценки уверенности на валидацию на основе grep.

OpenClawRadar
antirez的DS4:在Mac Metal和DGX上运行具有100万上下文窗口的DeepSeek V4 Flash
Инструменты

antirez的DS4:在Mac Metal和DGX上运行具有100万上下文窗口的DeepSeek V4 Flash

Создатель Redis Сальваторе Санфилиппо выпустил DS4 — проект для запуска DeepSeek V4 Flash с контекстным окном в 1M токенов на оборудовании Mac Metal и DGX, с конечными точками OpenAI/Anthropic для инструментов агентного кодирования.

OpenClawRadar
Пользователь Reddit делится подробной инструкцией по экспорту личных знаний из ИИ-ассистентов.
Инструменты

Пользователь Reddit делится подробной инструкцией по экспорту личных знаний из ИИ-ассистентов.

Пользователь Reddit создал комплексный промпт для извлечения структурированных личных знаний из ИИ-ассистентов, таких как Claude, решая предполагаемые ограничения функции импорта ChatGPT от Anthropic. Промпт генерирует три отдельных JSON-артефакта, охватывающих личные базы знаний, интеллектуальные фреймворки и графы знаний.

OpenClawRadar