Mnemosyne 是一个通用型、本地优先的AI记忆层，为任何AI智能体（Agent）提供持久的、SQLite支撑的记忆能力。它遵循“赫尔墨斯优先”（Hermes-first）的设计理念，以一个纯Python依赖和一个SQLite文件为核心，实现了零外部服务依赖的AI记忆。

本教程将指导您在不同场景下部署和使用Mnemosyne。

1. 项目概览与核心优势

Mnemosyne 并非一个独立的应用程序，而是一个记忆后端系统，旨在为各类AI智能体（如Cursor、Claude Code、OpenWebUI等）提供长期记忆能力。

核心特性

  • 本地优先 (Local-First)：数据默认存储在本地SQLite文件中，完全由您掌控，无需云服务。
  • 零依赖 (Zero Deps)：核心安装仅需 pip install mnemosyne-memory，极度轻量。
  • 通用兼容 (Works With Everything)：通过MCP（模型上下文协议）、Python SDK、插件等方式，支持与几乎所有主流AI智能体集成。
  • 先进的记忆架构 (BEAM)：采用“工作记忆 + 情景记忆 + 三元组知识图谱”的三层架构，提供高效的混合搜索（向量+全文+重要性）。
  • 高性能与低存储：通过信息论二值化（MIB）将向量压缩32倍，在10M规模记忆下仍保持毫秒级延迟和MB级存储。
  • 可选安全同步：支持自建同步服务器，并提供端到端加密选项，确保同步过程中数据私密性。

2. 环境准备

2.1 基础要求

  • 操作系统：Windows、macOS 或 Linux。
  • Python 版本：Python 3.10 或更高版本。
  • 包管理工具：pip。

2.2 （可选）准备LLM API密钥

Mnemosyne 核心功能不依赖外部LLM API，但其LLM驱动的“事实提取”（extract=True）和部分高级功能可能需要调用模型。如果计划使用这些功能，请准备以下至少一个API密钥：

  • OpenAI API 密钥 (OPENAI_API_KEY)
  • OpenRouter API 密钥 (OPENROUTER_API_KEY) - 推荐，可接入多种模型

3. 安装与基础部署

根据您的需求和硬件资源，选择不同的安装配置文件（Profile）：

| 安装配置文件 | 适用场景 | 内存占用 | 关键说明 |
| :