ความทรงจำที่ AI ของคุณควรจะมีตั้งแต่แรก

ทำไม · เริ่มต้น · เปรียบเทียบ · ระดับ · เกณฑ์มาตรฐาน · API · เอกสาร · FAQ

TrueMemory terminal demo

--- ## ทำไมต้อง TrueMemory **มันค้นหาสัญญาณจากความวุ่นวาย** AI ของคุณเห็นข้อความนับพันรายการ TrueMemory คัดแยกว่าอันไหนสำคัญจริง ๆ แล้วทิ้งส่วนที่เหลือไป ไม่ต้องติดแท็กเอง ไม่ต้องทำ prompt engineering มันรู้เอง **มันฉลาดขึ้นเรื่อย ๆ ตามเวลา** มันไม่ใช่ฐานข้อมูลแบบตายตัว มันเป็นความทรงจำที่มีชีวิต เติบโตไปกับคุณ แก้ไขข้อขัดแย้งเมื่อคุณเปลี่ยนใจ อัปเดตข้อมูลเก่า และรวบรวมสิ่งที่มันรู้ ยิ่งใช้นาน ยิ่งดีขึ้น **มันทำงานโดยที่คุณไม่ต้องคิดอะไร** TrueMemory จับความทรงจำจากบทสนทนาของคุณโดยอัตโนมัติ และฉีดข้อมูลที่ถูกต้องเข้าสู่เซสชันถัดไปโดยอัตโนมัติ คุณไม่ต้องจัดเก็บหรือค้นหาอะไรด้วยตัวเอง มันเกิดขึ้นเอง **มันทำงานบนเครื่องของคุณ 100%** ไฟล์ SQLite ไฟล์เดียวบนเครื่องของคุณ ไม่มีอะไรออกจากอุปกรณ์ ไม่มีคลาวด์ ไม่ต้องใช้ API key ข้อมูลของคุณเป็นของคุณ > **ไม่มี TrueMemory:** "เราใช้เฟรมเวิร์กอะไรอยู่?" ถูกถามเป็นครั้งที่ 12 ในสัปดาห์นี้แล้ว เอเจนต์ของคุณเริ่มทุกเซสชันด้วยภาวะสูญเสียความจำ มันไม่รู้ชื่อคุณ สแต็กของคุณ หรืออะไรก็ตามที่คุณบอกมันเมื่อวาน > > **มี TrueMemory:** เอเจนต์ของคุณรู้อยู่แล้วว่าคุณใช้ FastAPI ชอบ Pydantic v2 และ auth middleware อยู่ที่ `src/auth/` มันจำการแก้ไข ค่ากำหนด และการตัดสินใจของคุณ ข้ามทุกเซสชัน ตลอดไป --- ## TrueMemory เปรียบเทียบกับระบบอื่นอย่างไร | ระบบ | LoCoMo | LongMemEval | ทำงานบนเครื่อง | จับข้อมูลอัตโนมัติ | สัญญาอนุญาต | |--------|--------|-------------|:-----------:|:------------:|---------| | **TrueMemory Pro** | **93.0%** | **92.0%** | ✅ | ✅ | AGPL-3.0 | | **TrueMemory Base** | **87.7%** | **84.1%** | ✅ | ✅ | AGPL-3.0 | | Mem0 | 61.4% | — | บางส่วน | ❌ | Apache-2.0 | | Supermemory | 65.4% | — | ❌ | ❌ | Cloud API | | MemOS | 75.8% | — | ✅ | ❌ | Apache-2.0 | | ReadAgent | 79.5% | — | ❌ | ❌ | Research | > เกณฑ์มาตรฐานทั้งหมดสามารถทำซ้ำได้อย่างอิสระ สคริปต์รวมอยู่ใน [`benchmarks/`](../benchmarks/) --- ## เริ่มต้นอย่างรวดเร็ว ### สำหรับ Claude Code / Claude CLI / Cursor / Codex CLI / Gemini CLI ```bash curl -LsSf https://raw.githubusercontent.com/buildingjoshbetter/TrueMemory/main/install.sh | sh ``` > ติดตั้งทุกอย่างในสภาพแวดล้อมที่แยกจากกัน ดาวน์โหลดโมเดล AI ขนาด ~1.5GB ไม่มีข้อมูลออกจากเครื่องของคุณ ไม่ต้องใช้ sudo

ใหม่กับเทอร์มินัล? คลิกที่นี่สำหรับคำแนะนำทีละขั้นตอน

1. **เปิดเทอร์มินัล:** Mac: `Cmd + Space` พิมพ์ `Terminal` Linux: `Ctrl + Alt + T` Windows: เปิด PowerShell 2. **วางคำสั่งด้านบน** แล้วกด Enter 3. **รอ 3-5 นาที** เพื่อดาวน์โหลดโมเดล 4. **ปิดเครื่องมือ AI ของคุณทั้งหมด** แล้วเปิดใหม่ (Mac: `Cmd+Q`) 5. **พิมพ์ "Set up TrueMemory"** แล้วเลือกระดับ **Windows (PowerShell):** ```powershell irm https://raw.githubusercontent.com/buildingjoshbetter/TrueMemory/main/install.ps1 | iex ```

เท่านี้เอง TrueMemory จะจดจำบทสนทนาของคุณโดยอัตโนมัติตั้งแต่ตอนนี้ ### สำหรับนักพัฒนา (ไลบรารี Python) ```bash pip install truememory ``` ```python from truememory import Memory m = Memory() m.add("Prefers dark mode and TypeScript", user_id="alex") print(m.search("preferences", user_id="alex")) ``` --- ## ระดับการใช้งาน สถาปัตยกรรมเดียวกัน สามระดับ ทั้งหมดรวมอยู่ในการติดตั้งครั้งเดียว สลับได้ทุกเมื่อโดยพูดว่า "switch to Pro" หรือ "switch to Base" | | Edge | Base | Pro | |---|------|------|-----| | **LoCoMo** | 89.6% | 92.0% | **93.0%** | | **LongMemEval** | — | — | **92.0%** | | **BEAM-1M** | — | — | **76.6% (SOTA)** | | **โมเดล Embedding** | 8 MB น้ำหนักเบา | 600 MB ความแม่นยำสูง | 600 MB ความแม่นยำสูง | | **Reranker** | 22M params | 149M params | 149M params | | **HyDE search** | — | — | ✅ (ต้องใช้ LLM API key) | | **ทำงานบน** | เครื่องใดก็ได้ CPU เท่านั้น | RAM 4 GB ขึ้นไป | RAM 4 GB ขึ้นไป + API key | **Edge** ทำงานได้ทุกที่ **Base** เป็นระดับที่แข็งแกร่งที่สุดแบบออฟไลน์เต็มรูปแบบ **Pro** เพิ่มการขยายคำค้นหาด้วย AI เพื่อคะแนนสูงสุด --- ## เกณฑ์มาตรฐาน

Benchmark Leaderboard

ทดสอบกับเกณฑ์มาตรฐานหลักสามชุด โดยทุกระบบใช้โมเดลตอบคำถามเดียวกัน (GPT-4.1-mini) ผู้ตัดสิน (GPT-4o-mini, โหวตเสียงข้างมาก 3 ครั้ง) และกระบวนการให้คะแนนเดียวกัน | เกณฑ์มาตรฐาน | สิ่งที่ทดสอบ | TrueMemory Pro | |-----------|--------------|:--------------:| | [LoCoMo](https://github.com/snap-research/locomo) | 1,540 คำถามจาก 10 บทสนทนา | **93.0%** | | [LongMemEval](https://github.com/xiaowu0162/LongMemEval) | 500 คำถามแบบหลายเซสชัน | **92.0%** | | [BEAM-1M](https://github.com/mohammadtavakoli78/BEAM) | 700 คำถามที่ 1M+ โทเค็น | **76.6% (SOTA)** | | BEAM-10M | 200 คำถามที่ 10M โทเค็น | **65.0%** | ### ทำซ้ำผลลัพธ์ด้วยตัวเอง สคริปต์เกณฑ์มาตรฐานทุกตัวเป็นแบบครบในตัวและทำงานบน [Modal](https://modal.com) - **[สคริปต์ LoCoMo](../benchmarks/locomo/scripts/)** — 8 ระบบ (TrueMemory, Mem0, Zep, Engram ฯลฯ) - **[ผลลัพธ์ LoCoMo](../benchmarks/locomo/BENCHMARK_RESULTS.md)** — รายละเอียดแยกตามหมวด, เวลาตอบสนอง, ค่าใช้จ่าย - **[การตั้งค่าประเมิน LoCoMo](../benchmarks/locomo/EVAL_CONFIG.md)** — โมเดล, พรอมต์, พารามิเตอร์ที่แน่นอน - **[สคริปต์ LongMemEval](../benchmarks/longmemeval/)** — ตัวแปร oracle + strict - **[ผลลัพธ์ LongMemEval](../benchmarks/longmemeval/results/)** — 6 รอบ TM Pro + 5 ผลลัพธ์คู่แข่ง - **[สคริปต์ BEAM-1M](../benchmarks/beam/bench_truememory_pro_beam1m.py)** — 35 บทสนทนาที่ 1M+ โทเค็น - **[สคริปต์ BEAM-10M](../benchmarks/beam/bench_truememory_pro_beam10m.py)** — 10 บทสนทนาที่ 10M โทเค็น - **[ผลลัพธ์ BEAM](../benchmarks/beam/)** — 3 รอบ (1M) + 1 รอบ (10M) เกณฑ์มาตรฐานทั้งหมดใช้กระบวนการประเมินเดียวกัน ไม่มีอะไรซ่อน รายละเอียดทั้งหมด: [LoCoMo](../benchmarks/locomo/EVAL_CONFIG.md) | [LongMemEval](../benchmarks/longmemeval/README.md) | [BEAM](../benchmarks/beam/README.md) --- ## ใช้งานร่วมกับ

Claude Code · Claude CLI · Cursor · Codex CLI · Gemini CLI · Claude Desktop

Lifecycle hooks จับบทสนทนาโดยอัตโนมัติ ไม่ต้องทำงานด้วยตัวเอง ความทรงจำของคุณอยู่ในเครื่องในไฟล์ SQLite ไฟล์เดียว --- ## Python API ```python from truememory import Memory m = Memory() m.add("Prefers dark mode and TypeScript", user_id="alex") m.add("Works at Anthropic as a senior engineer", user_id="alex") results = m.search("What are Alex's preferences?", user_id="alex") results = m.search_deep("career history?", user_id="alex") # หลายรอบ ความแม่นยำสูงขึ้น ``` | เมธอด | คำอธิบาย | |--------|-------------| | `m.add(content, user_id)` | จัดเก็บความทรงจำ | | `m.search(query, user_id)` | ค้นหา (ท่อส่ง 6 ชั้น + reranker) | | `m.search_deep(query, user_id)` | ค้นหาเชิงเอเจนต์หลายรอบ | | `m.get(id)` / `m.get_all(user_id)` | เรียกดูความทรงจำ | | `m.update(id, content)` / `m.delete(id)` | แก้ไขหรือลบ | | `m.stats()` | สถิติระบบ | [อ้างอิง API ฉบับเต็ม ->](../docs/python-api.md) --- ## เอกสารประกอบ | | | |---|---| | [เริ่มต้นใช้งาน](../docs/guides/getting-started.md) | ตั้งแต่ติดตั้งจนถึงความทรงจำแรก | | [อ้างอิง Python API](../docs/python-api.md) | อ้างอิงคลาส `Memory` ฉบับเต็ม | | [อ้างอิงเครื่องมือ MCP](../docs/mcp-tools.md) | เครื่องมือ MCP ทั้ง 8 ตัว | | [อ้างอิง CLI](../docs/cli.md) | `truememory-mcp` และ `truememory-ingest` | | [ตัวแปรสภาพแวดล้อม](../docs/env-vars.md) | ตัวเลือกการตั้งค่า `TRUEMEMORY_*` ทั้งหมด | | [สถาปัตยกรรมเชิงลึก](../docs/architecture.md) | ท่อส่งการค้นหา 6 ชั้น, encoding gate | | [คู่มือเลือกระดับ](../docs/guides/tier-selection.md) | Edge vs Base vs Pro | | [การแก้ไขปัญหา](../docs/guides/debugging.md) | บันทึก, การติดตาม, ปัญหาที่พบบ่อย | --- ## คำถามที่พบบ่อย

ข้อมูลของฉันเก็บที่ไหน? มีอะไรถูกส่งไปคลาวด์ไหม?

ทุกอย่างอยู่ในเครื่องที่ `~/.truememory/memories.db` ระดับ Edge และ Base ไม่เรียกใช้บริการภายนอกใด ๆ Pro ส่งเฉพาะข้อความคำค้นหาของคุณไปยัง LLM เพื่อขยายคำค้นหา ความทรงจำของคุณจะไม่ถูกส่งออกไป

ฉันต้องติดตั้ง Python ไหม?

ไม่ ตัวติดตั้งใช้ [uv](https://docs.astral.sh/uv/) เพื่อจัดการ Python 3.12 แบบ sandboxed Python บนระบบของคุณจะไม่ถูกแตะต้อง

ทำไมไม่ใช้ context window ที่ใหญ่กว่าล่ะ?

Context window มีราคาแพง ช้า และว่างเปล่าเมื่อเริ่มเซสชันใหม่ทุกครั้ง TrueMemory ให้การเรียกคืนทันทีโดยใช้โทเค็นบริบทเป็นศูนย์ ภายใน 200ms

TrueMemory เก็บข้อมูลการใช้งาน (telemetry) ไหม?

ข้อมูลการใช้งานแบบไม่ระบุตัวตน (การเรียกใช้เครื่องมือ, จำนวนเซสชัน, ข้อมูลแพลตฟอร์ม) เปิดอยู่โดยค่าเริ่มต้น เรา **ไม่เคย** ติดตามเนื้อหาความทรงจำ คำค้นหา เส้นทางไฟล์ หรือ API key ยกเลิก: `export TRUEMEMORY_TELEMETRY=off`

--- ## เริ่มต้นใน 60 วินาที ```bash pip install truememory ``` มีคำถาม? [เปิดการสนทนา](https://github.com/buildingjoshbetter/TrueMemory/discussions) หาก TrueMemory ช่วยประหยัดเวลาของคุณ [ให้ดาวแก่เรา](https://github.com/buildingjoshbetter/TrueMemory) --- ## ขอบคุณผู้มีส่วนร่วมของเรา

_{buildingjoshbetter}

_SoilChang

_Huntehhh

_mseep-ai

_{adityajha2005}

_{shivamverma1999}

_Adarsh-031

_{nareshkarthigeyan}

--- ## งานวิจัย TrueMemory ได้รับการสนับสนุนจากงานวิจัยที่ผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิเกี่ยวกับหน่วยความจำเอเจนต์ที่เน้นการค้นคืน **[Storage Is Not Memory: A Retrieval-Centered Architecture for Agent Recall](https://arxiv.org/abs/2605.04897)** — arXiv 2605.04897 ```bibtex @article{adler2025storage, title = {Storage Is Not Memory: A Retrieval-Centered Architecture for Agent Recall}, author = {Sauron Labs}, journal = {arXiv preprint arXiv:2605.04897}, year = {2025}, url = {https://arxiv.org/abs/2605.04897} } ``` --- ## ชุมชน - [เข้าร่วม Discord ของเรา](https://discord.gg/ZJ74JB2gVW) สำหรับความช่วยเหลือ ข้อเสนอแนะ และอัปเดต - ติดตาม [@Building_Josh](https://x.com/Building_Josh) บน X สำหรับอัปเดต - ติดตาม [@Sauron_Labs](https://x.com/Sauron_Labs) สำหรับข่าวบริษัท - [เปิดการสนทนา](https://github.com/buildingjoshbetter/TrueMemory/discussions) สำหรับคำถามหรือไอเดีย - อ่านงานวิจัยบน [arXiv](https://arxiv.org/abs/2605.04897) · [Google Scholar](https://scholar.google.com/citations?user=YOUR_ID) · [Semantic Scholar](https://www.semanticscholar.org/) - เยี่ยมชม [truememory.net](https://truememory.net) · [sauronlabs.ai](https://sauronlabs.ai) หาก TrueMemory ช่วยประหยัดเวลาของคุณ [ให้ดาวแก่เรา](https://github.com/buildingjoshbetter/TrueMemory) --- ## สัญญาอนุญาต [AGPL-3.0](../LICENSE) ใช้ฟรีสำหรับการใช้งานส่วนตัวและการวิจัย การใช้งานเชิงพาณิชย์ต้องมีสัญญาอนุญาตแยกต่างหาก ติดต่อ josh@sauronlabs.ai ---

TrueMemory, a sauron company