之前测试了各种ai记忆增强
mem0的saas，qmd的本地小模型等等
但是感觉都不合适，比如：
mem0等saas版本
免费额度一般都不多，而且数据在别人那里感觉不怎么安心
比如我的
openclaw跑在家里服务器，本身内网是安全的但是记忆放在saas的话就怪怪的
用了本地版，感觉本地版功能还不是很完善，看得出来这些重心还是在云服务saas付费版本
qmd
这种小模型虽然纯cpu可以跑，但是冷启动时间和推理时间和速度太难受了，恰巧我家里的服务器和云服务器都是linux的没有显卡的环境，搜索一次记忆17秒有时候甚至2-30秒，对话太难受了
然后，就自己搓认为适合的外挂记忆实现方式
Cortex - 拟人化持久记忆外挂
我给取的名字，然后也报名了claude那个开源项目比赛，
【各位佬路过随手点点star吧虽然5000star估计很难。】
Github：Cottex-你的AI会失忆，cortex不会
关键词：【持久记忆】【可控记忆容量】【agent自我记忆升级】【拟人化记忆生命周期循环】【记忆关系多跳推理】【云端+本地多模型支持】【低api成本】【全能可视化管理面板】【简单易用多渠道接入支持】
支持：agent mcp ， openclaw记忆插件（通过会话自动hook无感接入～）以及 rest api
我理想的agent是和朋友或者员工一样，可以有长期的记忆。而且记忆对于他和我的对话或交互起到积极的影响。
大多数人以为的agent记忆是把所有事情记录下来，recall的时候搜索就可以了。其实单纯这样远远不够，数据量只增不减数据量庞大会造成，recall检索效率低下，记忆噪声越来越多，数据质量越来越低等等
AI普遍难点和希望解决的：
0.
没有持久化的记忆：现在claude也可以开启记忆了，但是还是相对羸弱。openclaw则是md可读化文本记忆。以上通常都是靠agent主动记，主动找，非常不稳定，而且不持久。
1.
局限于上下文：现在上下文压缩，或/new开启新会话会丢失很多记忆
2.
局限于memory.md文件长度：现在memory.md文件越来越沉重，使用也越来越“累”
3.
局限于塞入对话的memory长度限制：现在如果希望ai的记忆“正确”且丰富，要塞整片整片的memory内容，上下文小号和token消耗的超级快。
4.
“记”的准：现在靠agent主动记，非常随机。同时所有记忆只分为记了和没记，使用频率，重要性分析，未来情景预测，记忆关系推理等都没有。
5.
“找”的准：现在靠agent主动找，记忆找回粗糙且质量十分不稳定。
6.
"不灵性“：现在的记忆太死板，缺少点“灵性”，比如半个月前我提过海鲜过敏，现在agent推荐餐厅的时候我希望他会避开海鲜，而不是只根据我提出选餐厅的价格和位置去推荐。
7.
“记忆自我进化”:人类的记忆是会变化的，比如一件事情今天说完你的记忆清晰度是非常完整，如果一周没提，你可能记忆完整度有所下降，但如果有人和你谈论了这个记忆，那这个记忆的完成度和重要度会得到刷新，当前大多数agent记忆都无法做到像人类一样进行记忆的生命周期管理和进化。
Cortex的特色
三层记忆生命周期
记忆不只是新增一条记录——它们活着 。
- 第一层：工作 → 核心：高频访问或高价值的记忆自动升级
- 第二层：核心 → 归档：长期未用的记忆衰退、压缩归档
- 第三层：归档 → 核心：压缩后的记忆在需要时回归
- 时间衰退 + 读取刷新 + 访问频率 = 有机的记忆行为
混合搜索 + 多级排序
知识图谱 (Neo4j)
记忆之间自动形成关联。Cortex 构建知识图谱。
不仅仅可以从dashboard可视化查看自己的记忆关系，每次recall记忆关系会自动进行3跳推理
智能提取 (SIEVE)
- 20 种记忆分类：身份、偏好、约束、目标、技能、关系……
- 批量去重：防止 “我喜欢咖啡” 变成 50 条记忆
- 智能更新：偏好变更是更新，不是新增
- 实体关系：自动提取知识图谱边
智能生命周期管理 (RECICLE)
- 自动记忆升级：根据记忆分数对记忆自动升降级
- 批量清理：根据记忆生命周期自动清理低分数无使用的无效记忆
- 自动压缩：记忆方块达到容量上限后自动压缩，进一步进行记忆提纯，杜绝记忆无限增长
- 修正反馈：自动进行记忆版本迭代，用户手动回滚记忆版本及记忆修正进行提取质量反馈，提取能力自成长优化
当前还有很多要继续完善，我会长期维护和更新，如果能给你带来帮助我很开心！
更希望借助平台号召更多厉害的佬加入进来，我们可以打造一个出自linuxdo的超级记忆体。
欢迎大家积极pr积极提issue，走过路过别忘了点个star！
Github：Cottex-你的AI会失忆，cortex不会
