跳到主要内容

架构概览

Memorose 是一个面向智能体的记忆运行时。系统会摄入原始事件、整合成长期记忆、生成高阶洞察、跟踪目标执行状态，并通过 Rust 服务端、dashboard 和基于 Raft 的部署模型对外提供能力。

Workspace 结构​

crates/
├── memorose-common    # 共享配置、核心类型、任务和图谱模型
├── memorose-core      # 引擎、存储、检索、图谱、组织知识
└── memorose-server    # Axum API、dashboard 认证、管理路由

运行时管线​

  1. 事件从 /v1/users/:user_id/streams/:stream_id/events 进入系统
  2. L0 原始事件被存储并进入整合队列
  3. 整合产生 L1 记忆单元
  4. 反思、图谱和社区分析产生 L2 洞察
  5. L3 目标和任务协调未来执行
  6. 检索把向量、文本、图谱和共享知识融合在一起
  7. 遗忘机制定期裁剪低价值内容

关键产品概念​

L0-L3​

Memorose 用明确的层级组织记忆：

  • L0：原始事件流
  • L1：稳定事实和程序性轨迹
  • L2：主题、聚类、反思摘要和共享洞察
  • L3：目标、里程碑、依赖和执行状态

记忆域​

所有权和共享模型是：

  • agent：某个 agent 如何做事
  • user：用户是谁、偏好什么
  • organization：可复用的组织级共享知识

Stream​

每次摄入和检索都在一个 stream_id 内进行。它既保留局部会话时间线，又能喂给长期记忆系统。

存储模型​

Memorose 不把所有数据扔进一个库里，而是组合多种引擎：

  • RocksDB 用于本地持久状态和 KV 访问
  • Lance 用于向量和 embedding 检索
  • Tantivy 用于文本检索
  • 图谱和组织知识在这些能力之上构建读模型

检索模型​

检索天生是混合式的，可以组合：

  • 语义相似度
  • 文本检索
  • 图谱扩展
  • 时间过滤
  • 组织共享知识
  • 多模态检索输入

部署模型​

  • 单机模式适合本地开发
  • Raft 集群用于复制式部署
  • 分片拓扑用于更大规模场景
  • Dashboard UI 独立运行在 3100