عن المشروع

Lemory هو وسيط قاعدة بيانات سياقية للأولوية المحلية لوكلاء الذكاء الاصطناعي، يدمج ملفات Markdown الموجودة (مثل مخازن Obsidian) في نظام متماسك للذكريات والمعرفة والمهارات يمكن للذكاء الاصطناعي فهمه. من خلال استخدام الملفات الفعلية كقاعدة بيانات بدلاً من نظام ملفات افتراضي أو قاعدة بيانات مستضافة منفصلة، يمكن للمستخدمين الاستمرار في استخدام أدواتهم المعتادة مثل `ls` و`grep` و`git`، مما يجعل تكلفة التخلي عن النظام تقريبًا صفرًا. تشمل الميزات الأساسية بحثًا هجينًا رباعي الاتجاهات يجمع بين البحث المتجهي القائم على المعنى، والبحث بالمفتاح المتخصص في اللغة الكورية (BM25)، واستكشاف المخطط القائم على روابط الويكي، والبحث في النوافذ الزمنية. وقد تم ضبطه بدقة لمعايرة اللغة الكورية ولغات CJK، حيث يوفر تصحيحًا للأخطاء المطبعية، ومطابقة جذور الكلمات، وفهرسة ثنائية الأحرف لضمان دقة عالية في البحث. كما أنه يتبنى هيكل تحميل هرمي من ثلاث مراحل (L0: ملخص، L1: مخطط، L2: نص كامل) مع تقريب حاسم عند القراءة، مما يقلل بشكل كبير من استخدام الرموز دون الحاجة إلى استدعاءات LLM. لذاكرة عمل الوكيل، يوفر أدوات مثل `remember` و`recall` و`reflect` و`resume_case`، مع دعم هيكل “هرم الذاكرة” حيث يتم تكرير محتوى الحوار إلى ذرات حقائق وترقيتها تلقائيًا إلى ملاحظات سردية وشخصية. يعمل Lemory كخادم MCP (بروتوكول سياق النموذج)، مما يتيح التكامل السهل مع وكلاء ترميز الذكاء الاصطناعي الرئيسيين مثل Claude Code وCursor وWindsurf. كما أنه يوفر وكيل API متوافق مع OpenAI للعملاء الذين لا يدعمون MCP. يتم تسجيل جميع عمليات الاستعلام والكتابة في SQLite المحلية ويمكن مراقبتها عبر مخطط زمني، مع إدارة الملاحظات التي يولدها الذكاء الاصطناعي من خلال علامات المصدر وأزرار التراجع.