串行内存
A. 时态知识图存储系统 对于人工智能应用。SerialMemory提供持久的“第二大脑”功能,包括语义搜索、实体提取和关系跟踪,使AI代理能够维护上下文并从过去的交互中学习。
🎯 特性
- 语义搜索:使用向量嵌入(1536-dim)按意义而非关键字查找记忆
- 实体抽取:自动识别人员、组织、位置、技能和项目
- 知识图谱:构建和遍历实体之间的关系以进行多跳推理
- 时间跟踪:具有信心衰减和审计跟踪的完整事件来源
- 多住户:具有行级安全性的完全数据隔离
- MCP集成:通过模型上下文协议实现Claude Desktop(Anthropic)和OpenAI兼容性
- REST API:用于自定义集成的完整HTTP API
- 自托管:在您自己的基础设施上部署,并加强安全性
🏗️ 建筑```
┌────────────────────────────────────────────┐
│ Client Applications │
│ (Claude/Anthropic, OpenAI, Custom Apps) │
└────────────────┬─────────────────────────┘
│
┌───────┴────────┬──────────────┐
▼ ▼ ▼
┌─────────┐ ┌──────────────┐ ┌────────┐
│ MCP │ │ REST API │ │ Admin │
│ Server │ │ (HTTP) │ │ API │
│ Anthropic│ │ │ │ │
│ OpenAI │ │ │ │ │
└────┬────┘ └──────┬───────┘ └───┬────┘
│ │ │
└───────────────┼──────────────┘
│
▼
┌───────────────────────────────┐
│ Core Services │
│ ┌─────────────────────────┐ │
│ │ Knowledge Graph Engine │ │
│ │ • Memory ingestion │ │
│ │ • Entity extraction │ │
│ │ • Semantic search │ │
│ │ • Graph traversal │ │
│ └─────────────────────────┘ │
└───────────────┬───────────────┘
│
┌────────────────┼────────────────┐
▼ ▼ ▼
┌──────────┐ ┌───────────┐ ┌─────────┐
│PostgreSQL│ │ Ollama │ │ Redis │
│+pgvector │ │(Embeddings)│ │(Cache) │
└──────────┘ └───────────┘ └─────────┘
## 🧠 核心概念
### 它是如何工作的:一个时态知识图
SerialMemory超越了简单的关键字搜索。这是一个 **记忆系统** 它理解意义和上下文,跟踪信息随时间的变化,并为人工智能应用程序提供智能上下文检索。
### 记忆:基本单位
A. **记忆** 是您存储在SerialMemory中的任何信息:
- **自然语言**:“John在旧金山的Acme公司从事Python项目”
- **结构化数据**:笔记、事实、观察、对话、总结
- **元数据**:创建时,它用于什么项目,信心水平
每个内存都有:```
Memory {
id: "uuid",
content: "John works at Acme Corp in San Francisco on Python projects",
embedding: [0.123, -0.456, 0.789, ...], // 1536-dimensional vector (OpenAI text-embedding-3-small)
confidence: 0.95, // Starts high, decays with time
layer: L1_CONTEXT, // See layers section below
entities: [
{ type: "PERSON", text: "John" },
{ type: "ORG", text: "Acme Corp" },
{ type: "GPE", text: "San Francisco" },
{ type: "SKILL", text: "Python" }
],
createdAt: "2026-02-11T10:00:00Z",
lastAccessedAt: "2026-02-11T14:30:00Z"
}
语义搜索:理解意义
通过以下方式找到记忆,而不是关键字匹配 语义相似度:```
// This query...
"Who works at the tech company in San Francisco?"
// ...finds memories about "John works at Acme Corp in San Francisco"
// Even though keywords don't match exactly!
**它是如何工作的:**
1. 您的查询已转换为嵌入(1536维向量)
1. 系统会找到具有类似嵌入的内存
1. 结果按含义排名,而不是按关键字排名
这是由PostgreSQL的 `pgvector` 该扩展使用向量相似性搜索(KNN)进行快速检索。
### 内存层:数据生命周期
根据记忆的处理/精炼程度,记忆被分为不同的层次:
|层|它是什么|典型保留|用例|
|-------|-----------|-------------------|----------|
| **L0_法律** |原始输入,最少处理|30天|最近捕获的笔记、对话|
| **L1_上下文** |上下文理解,提取实体|90天|处理笔记并确定关系|
| **L2_总结** |总结信息,提取主题|180天|合成类似概念|
| **L3_知识** |提取知识,验证模式|365天|可靠的事实,经过验证的学习|
| **L4_专业** |学习模式、一般原则|不确定|核心知识、基本真理|
**示例流程:**```
Raw: "John, Sarah, and Mike met yesterday to discuss the backend API design"
↓ (Processing)
L1: Entities extracted - PERSON(John), PERSON(Sarah), PERSON(Mike),
Relationships identified - John knows Sarah, John knows Mike
↓ (Summarization)
L2: "Key discussion participants coordinated on technical architecture"
↓ (Pattern recognition)
L3: "Backend API design is a priority for team coordination"
↓ (Generalization)
L4: "The team uses synchronous discussion for architectural decisions"
记忆信心衰退:暂时遗忘
SerialMemory模拟人类记忆:除非得到强化,否则信息随着时间的推移会变得不那么可靠。
衰变公式:```
confidence = initial_confidence × 0.5^(days / half_life)
Default half-life: 90 days
**例子:**```
Day 0: Confidence = 1.0 (100%)
Day 90: Confidence = 0.5 (50%) - Half as confident
Day 180: Confidence = 0.25 (25%) - Quarter as confident
Day 270: Confidence = 0.125 (12.5%)
为什么这很重要:
- 新信息新鲜,可信度高
- 没有强化的旧信息变得不那么可信
- 置信度低于0.1(10%)的记忆可以存档
- 访问记忆可以增强记忆(增加信心)
- 明确的“强化”行动可以增强信心
这使得系统能够 自动忘记不重要的细节 同时保持已验证知识的完整性。
实体提取:理解关键概念
SerialMemory自动识别存储器中的关键实体(命名对象):
| 类型 | 示例 | 用于 |
|---|---|---|
| 人 | 约翰、莎拉、爱丽丝 | 寻找与人相关的记忆 |
| 组织 | Acme Corp、谷歌、麻省理工学院 | 寻找组织记忆 |
| GPE | 纽约、法国、硅谷 | 寻找与位置相关的背景 |
| 日期 | 2026-02,下周二,Q1 | 寻找与时间相关的记忆 |
| 技能 | Python、React、领导力 | 寻找与能力相关的记忆 |
| 项目 | Omega项目,Dashboard v2 | 查找项目特定上下文 |
它是如何工作的:
- 当存储内存时,实体会自动提取
- 识别实体之间的关系
- 构建并维护知识图
知识图谱:建立关系
SerialMemory不仅仅是单独存储内存,它还构建了一个 知识图谱 关系:```
John ─────works_at────→ Acme Corp ─────located_in────→ San Francisco
│ │
│ │
└──────knows──────→ Sarah ─────works_at──────→ Acme Corp │
│
└─────knows──────→ Mike
Projects that use Python:
Dashboard v2 ─────uses────→ Python ─────language_for────→ Backend Systems
Project Omega ─────uses────→ Python
**跟踪的关系:**
- `works_at`:实体1在实体2上工作
- `located_in`:实体1位于实体2中
- `knows`:实体1知道实体2
- `uses`:实体1使用实体2
- `created`:实体1已创建实体2
- (还有更多,自动发现)
### 多跳搜索:跨上下文推理
当穿越多个跳跃时,真正的力量就会显现出来:
**查询:** “查找我认识的人在项目中使用的技术”
**搜索过程:**```
1. Start: Find entities I know (Sarah, Mike, ...)
2. Hop 1: Find projects they work on
3. Hop 2: Find technologies used in those projects
4. Result: [Python, Rust, TypeScript, ...]
另一个例子:```
Question: "Who works with technologies similar to what Mike uses?"
- Find Mike
- Find technologies Mike uses
- Find other people who use similar technologies
- Return those people
This reveals hidden connections and provides better context
for multi-modal AI reasoning!
### 事件来源:完成审计跟踪
对内存的每一次更改都被捕获为不可变事件:```
MemoryCreated(id, content, timestamp)
MemoryUpdated(id, oldContent, newContent, timestamp)
MemoryReinforced(id, confidence, timestamp)
MemoryDecayed(id, oldConfidence, newConfidence, timestamp)
MemoryArchived(id, reason, timestamp)
优点:
- 完整的审计跟踪(符合GDPR)
- 再现任何时间点的系统状态
- 检测篡改或未经授权的更改
- 回放调试事件
多租户隔离:安全与隐私
每个租户的数据都是完全隔离的:```
Tenant A Tenant B
├── Memories (isolated) ├── Memories (isolated)
├── Entities ├── Entities
├── Relationships ├── Relationships
└── Search results (A only) └── Search results (B only)
通过PostgreSQL行级安全(RLS)实现:
- 数据库在查询时强制隔离
- 无法通过SQL泄漏租户数据
- API密钥范围按租户划分
- 无法进行跨租户搜索
## 🚀 快速开始
### 先决条件
- Docker&Docker编写
- .NET 10+SDK(用于开发)
- PostgreSQL 15+(或使用Docker)
### 选项1:Docker Compose(推荐)```bash
# Clone the repository
git clone https://github.com/sblanchard/SerialMemoryServer.git
cd SerialMemoryServer
# Start infrastructure (PostgreSQL, Redis, RabbitMQ)
docker compose up -d
# Bootstrap development database
./dev-bootstrap.sh # Linux/Mac
.\dev-bootstrap.ps1 # Windows
# Run the C# MCP server
dotnet run --project SerialMemory.Mcp
选项2:使用Docker的全栈```bash
Start all services
docker compose up --build
Access dashboard at http://localhost:8080
可用服务:
- **API**: http://localhost:5001
- **仪表盘**: http://localhost:8080
- **PostgreSQL**:本地主机:5432(用户: `postgres`)
- **瑞迪斯**:本地主机:6379
- **RabbitMQ仪表板**: http://localhost:15672(客人/客人)
### 连接到AI平台
**克劳德桌面(拟人)**```bash
# Configure in Claude Desktop after starting the server
# See: ./docs/02-quickstart-claude-mcp.md
OpenAI集成
- 在上使用REST APIhttp://localhost:5001
- 构建自定义工具或插件
- 利用语义搜索和知识图功能
📚 文档
- 概述与架构 -概念和系统设计
- Claude桌面设置 -MCP集成指南
- .NET SDK指南 -C#开发
- Node.js SDK指南 -JavaScript/TypeScript
- 数据生命周期 -内存管理和清理
- 自助托管指南 -VPS部署
- 本地开发 -开发环境设置
💻 SDK和集成
官方SDK
- .NET SDK -功能齐全的C#客户端```csharp
var client = new SerialMemoryClient("http://localhost:5001", "tenant-id", "api-key");
await client.StoreMemory("My important note", "personal");
var results = await client.Search("relevant memories", 5);
- **Node.js SDK** -Types/JavaScript支持(即将推出)
### MCP协议
SerialMemory实现了 **模型上下文协议**,实现与以下设备的集成:
- 克劳德桌面(拟人)
- OpenAI集成
- 未来兼容的AI代理
- 自定义MCP客户端
## 🔌 API终点
### 内存管理```bash
# Store a memory
POST /api/memories
{
"content": "I learned about distributed systems",
"memoryType": "LEARNING",
"layer": "L0_RAW",
"metadata": { "subject": "backend" }
}
# Semantic search
POST /api/memories/search
{
"query": "distributed systems",
"limit": 5,
"filters": { "layer": "L0_RAW" }
}
# Get memory by ID
GET /api/memories/{id}
实体与知识图谱```bash
List entities
GET /api/entities?limit=100
Get entity details
GET /api/entities/{entityId}
Multi-hop graph search
POST /api/graph/search
{
"startEntity": "John",
"relationshipType": "knows",
"hops": 2
}
看 OpenAPI规范 获取完整的API文档。
## 📦 项目结构```
SerialMemoryServer/
├── SerialMemory.Mcp/ # C# MCP server (recommended)
├── SerialMemory.Api/ # REST API
├── SerialMemory.Core/ # Domain logic
├── SerialMemory.Infrastructure/# Data access layer
├── SerialMemory.Sdk.DotNet/ # .NET client SDK
├── SerialMemory.ML/ # Embeddings & NLP
├── SerialMemory.Worker/ # Background jobs
├── SerialMemory.Web/ # React dashboard
├── SerialMemory-MCP/ # Standalone MCP server (submodule)
│ └── SerialMemory.Mcp/ # Alternative MCP implementation
├── examples/ # Ready-to-run examples
├── docs/ # Documentation
├── docker-compose.yml # Development stack
└── SerialMemoryServer.sln # .NET solution file
子模块
- 串行存储器MCP -Anthropic和OpenAI的独立MCP服务器
- 作为git子模块包含
- 可以单独构建和分发
- 完全支持Claude Desktop(Anthropic)的MCP协议
- 与OpenAI的工具调用功能兼容
- 为未来的AI代理集成做好准备
使用子模块进行克隆```bash
Clone including submodules
git clone --recurse-submodules https://github.com/sblanchard/SerialMemoryServer.git
Or if already cloned, initialize submodules
git submodule update --init --recursive
## 🎓 例子
### AI第二大脑
克劳德存储和检索个人笔记的持久“第二大脑”:```bash
cd examples/ai-second-brain
dotnet run
特征:
- 存储笔记和学习内容
- 相关上下文的语义搜索
- 用户角色管理
- 自动实体提取
项目上下文记忆
开发工具的每个项目内存隔离:```bash
cd examples/project-context-memory
dotnet run
特征:
- 每个项目/存储库的范围内存
- 基于元数据的过滤
- 跨项目搜索功能
- 多租户模式
看 示例README 了解更多详情。
## 🔐 安全
SerialMemory包括生产就绪的安全功能:
### 多租户
- 使用PostgreSQL行级安全性(RLS)实现完全数据隔离
- 租户范围的API密钥
- 安全的租户上下文传播
### 身份验证和授权
- 基于JWT令牌的API身份验证
- 基于角色的访问控制(管理员、用户)
- 服务到服务身份验证
### 数据保护
- 环境变量中的所有密码和机密
- 代码中没有默认凭据
- CORS和CSRF保护
- 通过参数化查询进行SQL注入保护
### 生产硬化
使用 `docker-compose.prod.yml` 对于安全强化部署:```bash
# Configure environment
cp .env.production.example .env
# Edit .env with strong passwords
# Start with production configuration
docker compose -f docker-compose.prod.yml up -d
看 自助托管指南 详细的安全设置。
🛠️ 技术栈
- 运行时: .净值10+
- 数据库:PostgreSQL 15+,带pgvector
- 搜索:矢量嵌入(通过OpenAI text-embedding-3-small实现1536-dim)
- 缓存:Redis
- 队列产品名称:RabbitMQ
- 自然语言处理:基于模式的实体提取(可扩展到spaCy、BERT)
- 仪表盘:React+TypeScript+Vite
- 协议:模型上下文协议(MCP)
📊 演出
- 每个租户支持数百万个内存
- 1000毫秒以下语义搜索查询(具有适当的索引)
- 通过PostgreSQL连接池进行水平扩展
- 用于繁重操作的异步处理队列
🧪 测试
运行测试套件:```bash
Unit tests
dotnet test SerialMemory.Tests
MCP integration tests
dotnet test SerialMemory.Mcp.Tests
All tests with coverage
dotnet test --collect:"XPlat Code Coverage"
## 📝 发展
### 设置开发环境```bash
# Install dependencies
dotnet restore
# Build solution
dotnet build
# Run with local infrastructure
docker compose up -d
dotnet run --project SerialMemory.Mcp
代码组织
- 串行存储器。核心:领域模型和业务逻辑
- 串行存储器。基础设施:EF Core数据访问模式
- 串行存储器。模型上下文协议(Model Context Protocol):MCP服务器实现
- SerialMemory 。阿皮:REST API终结点
- 串行存储器。测试:单元和集成测试
🤝 贡献
我们欢迎捐款!请按照以下步骤操作:
- 克隆该仓库
- 创建要素分支(
git checkout -b feature/amazing-feature) - 提交您的更改(
git commit -m 'Add amazing feature') - 推到分支(
git push origin feature/amazing-feature) - 打开拉取请求
开发指南
- 遵循C#命名约定(公共成员使用PascalCase)
- 为新功能添加测试
- 更新API变更文档
- 在提交PR之前,确保所有测试都通过
📄 许可证
SerialMemory在 MIT许可证。参见 许可证 了解详情。
🆘 支持与社区
- GitHub 问题: 报告错误和请求功能
- 文档: 完整文档
- 例子: 准备运行示例
🎯 路线图
- []Python MCP服务器
- []GraphQL API
- []具有多跳遍历的高级推理
- []时间图可视化
- []自定义实体类型的插件系统
🙏 致谢
SerialMemory建立在这些优秀的开源项目之上:
- PostgreSQL & pg向量
- 奥拉玛 用于本地嵌入
- 模型上下文协议 通过Anthropic
由...制作❤️ 适用于人工智能驱动的应用
