প্রকল্প সম্পর্কে

agentmemory হল AI কোডিং এজেন্টদের জন্য ডিজাইন করা একটি স্ব-হোস্টেড পারসিস্টেন্ট মেমোরি ইঞ্জিন। এটি এজেন্টদের সেশনগুলির মধ্যে প্রেক্ষাপট হারানোর সমস্যা সমাধান করে—এজেন্ট যা করে তা নীরবে ক্যাপচার করে, তা অনুসন্ধানযোগ্য মেমোরিতে সংকুচিত করে এবং পরবর্তী সেশন শুরু হলে প্রাসঙ্গিক প্রেক্ষাপট ইনজেক্ট করে। প্রজেক্টটি iii ইঞ্জিনের উপর নির্মিত (v0.11.2 এ পিন করা) এবং Node.js 20 বা তার নতুন সংস্করণ প্রয়োজন। ইনস্টলেশন একটি একক কমান্ড: `npx -y @agentmemory/agentmemory@latest`। প্রথম রানটি ইন্টারেক্টিভ, যেখানে আপনি কোন এজেন্টগুলিকে সংযুক্ত করবেন তা বেছে নিতে পারেন (Claude Code, Cursor, Codex, Gemini CLI, OpenCode এবং আরও), একটি LLM প্রদানকারী নির্বাচন করুন বা কী-লেস থাকুন এবং ঐচ্ছিকভাবে বিশ্বব্যাপী ইনস্টল করুন। একটি ডেমো কমান্ড নমুনা সেশন বীজ করে এবং সেটআপ যাচাই করতে রিকল অনুশীলন করে। সিস্টেমটি হুক, MCP বা REST API সমর্থন করে এমন যেকোনো এজেন্টের সাথে কাজ করে। এটি Claude Code (12 হুক), Codex CLI (6 হুক), OpenCode (22 হুক), Devin (6 হুক) এবং অন্যান্যদের জন্য নেটিভ প্লাগইন এবং হুক সরবরাহ করে, পাশাপাশি GitHub Copilot CLI, Cursor, Gemini CLI, Cline, Goose, Kilo Code, Claude Desktop, Roo Code এবং আরও অনেকের জন্য MCP সার্ভার সমর্থন করে। একটি একক মেমোরি সার্ভার সমস্ত সংযুক্ত এজেন্ট জুড়ে ভাগ করা হয়, তাই আপনি যে এজেন্টে স্যুইচ করুন না কেন মেমোরিগুলি স্থায়ী থাকে। অনুসন্ধান একটি হাইব্রিড পদ্ধতি ব্যবহার করে যা BM25 কীওয়ার্ড অনুসন্ধান, ভেক্টর এমবেডিং এবং স্ট্রাকচারাল গ্রাফ ম্যাচিংকে একত্রিত করে, যা Reciprocal Rank Fusion (RRF) এর মাধ্যমে ফিউজ করা হয়। কী-লেস মোডে (কোন API কী নেই), ভেক্টর এমবেডিং অক্ষম থাকে এবং BM25 পুনরুদ্ধার পরিচালনা করে। বিনামূল্যে ডিভাইস-অন-সেম্যান্টিক রিকলের জন্য, `EMBEDDING_PROVIDER=local` সেট করলে প্রথম অনুরোধের পরে Xenova/all-MiniLM-L6-v2 মডেলটি স্থানীয়ভাবে ডাউনলোড হয়। প্রজেক্টটি LongMemEval-S (৫০০ প্রশ্ন) এ ৯৫.২% R@5 এবং তার নিজস্ব কোডিং-এজেন্ট-লাইফ-v1 কর্পাসে ১০০% শীর্ষ-৫ হিট রেট রিপোর্ট করে। মেমোরি লাইফসাইকেল চার-স্তরের একত্রীকরণ, ক্ষয় এবং স্বয়ংক্রিয়-ভুলে যাওয়া অন্তর্ভুক্ত করে, তাই পুরানো তথ্য স্বয়ংক্রিয়ভাবে ছাঁটাই করা হয়। সিস্টেমটি শূন্য-ম্যানুয়াল-প্রচেষ্টা ক্যাপচারের জন্য ৫৪টি MCP টুল এবং ১২টি অটো হুক সরবরাহ করে। সংরক্ষিত মেমোরিগুলি পরিদর্শনের জন্য একটি রিয়েল-টাইম ভিউয়ার পোর্ট ৩১১৩ এ চলে। রানটাইম চারটি পোর্ট ব্যবহার করে: ৩১১১ REST/MCP HTTP এর জন্য, ৩১১২ iii স্ট্রিমের জন্য, ৩১১৩ ভিউয়ারের জন্য এবং ৪৯১৩৪ iii ওয়ার্কার WebSocket এর জন্য। পারসিস্টেন্ট স্টেট প্ল্যাটফর্ম-নির্দিষ্ট ডিরেক্টরিতে থাকে (macOS: ~/Library/Application Support/agentmemory, Linux: $XDG_DATA_HOME/agentmemory, Windows: %APPDATA%\agentmemory) এবং --data-dir বা AGENTMEMORY_DATA_DIR দিয়ে ওভাররাইড করা যেতে পারে। প্রজেক্টটি টোকেন দক্ষতার উপর জোর দেয়, সম্পূর্ণ প্রেক্ষাপট পেস্ট করার জন্য ১৯.৫M+ এর বিপরীতে প্রতি বছর প্রায় ১৭০K টোকেন দাবি করে, যার খরচ প্রতি বছর প্রায় $১০ বা স্থানীয় এমবেডিংয়ের সাথে $০। এটির জন্য SQLite এবং বান্ডেলড iii-ইঞ্জিন ছাড়া কোনো বাহ্যিক ডেটাবেস প্রয়োজন হয় না। প্রজেক্টটিতে LongMemEval-S এবং তার নিজস্ব কর্পাসের জন্য একটি পুনরুত্পাদনযোগ্য মূল্যায়ন হারনেস অন্তর্ভুক্ত রয়েছে, যার প্রকাশিত স্কোরকার্ড docs/benchmarks ডিরেক্টরিতে রয়েছে। এটি বিস্তৃত প্রেক্ষাপট-স্তরের ক্ষমতার জন্য codegraph, Understand Anything এবং Graphify এর সাথেও জোড়া দেয়।