Mnemosyne OS

English 中文 繁體中文 Español Русский Deutsch ไทย 한국어 日本語

# Mnemosyne OS ☤

Mnemosyne OS | GitHub | Documentación en chino

PyPI License: MIT Python 3.8+ Model Context Protocol Downloads X 中文 繁體中文 Español Русский Deutsch ไทย 한국어 日本語

**Mnemosyne OS 8.1.0** — un sistema de memoria de IA sin dependencias, de prioridad local, con olvido multinivel, un libro de contabilidad de cadena hash, un SDK de plugins, un panel web local y soporte para MCP (Model Context Protocol). > El único motor de memoria de IA cuyo **núcleo no requiere dependencias de terceros** — solo usa la biblioteca estándar de Python 3.8+ — sin base de datos vectorial, sin entorno de ejecución LLM, sin dependencia de la nube. Funciona en una laptop, un servidor o infraestructura sin servidor. Úsalo como una **biblioteca de Python**, una **CLI**, una **API HTTP**, un **servidor MCP**, o incorpóralo mediante el transporte stdio de **MCP**.
Núcleo sin dependenciasSe ejecuta únicamente con la biblioteca estándar de Python. No requiere numpy, torch, base de datos vectorial ni LLM para almacenar y recuperar memorias.
Memoria multinivelNiveles caliente / tibio / frío con olvido económico — migra memorias de bajo valor, nunca las elimina silenciosamente.
Libro de contabilidad de cadena hashLibro de contabilidad encadenado SHA-256 — verify_chain() detecta manipulaciones y localiza el registro corrupto exacto.
SDK de pluginsVectorBackendPlugin / CryptoPlugin / RerankerPlugin + plugins oficiales (numpy_vector, crypto, reranker, hrr, async, context-engine).
Servidor MCP55 herramientas sobre stdio JSON-RPC, con autenticación por token y espacios de nombres multiinquilino.
Panel webPanel local oscuro con estética tecnológica, sin CDN externo — servido desde web_server.py.
API asíncronaAsyncMemoryBrain es un contenedor asyncio para ingesta de alto rendimiento.
Optimizado para chinoTokenización bigrama + FTS5 + diccionario de sinónimos integrado.
Notario de seguridadDetecta credenciales, Unicode invisible e inyección HTML; redacción a nivel de campo antes de escribir.
--- ## ☁️ Mnemosyne OS SaaS El mismo motor, alojado, con consola web: **[ai-memory.net](https://ai-memory.net)**. La consola alojada se llama **Mnemosyne OS SaaS** — ahí te registras, creas claves de API, exploras memorias y gestionas tu suscripción. | Plan | Precio (USD) | Precio (CNY) | Qué incluye | |---|---|---|---| | **Free** | $0 | ¥0 | Las 55 herramientas MCP · ventana de recuperación de 30 días para la memoria fría · 1 espacio de nombres (namespace) · ventana de auditoría de 7 días · los datos nunca se borran | | **Pro** | $6.9/mes · $69/año | ¥9.9/mes · ¥99/año | Memoria fría permanente · recuperación entre espacios de nombres · historial de auditoría ilimitado · exportación completa | | **Team** | $19.9/asiento/mes · $199/asiento/año | ¥29.9/asiento/mes · ¥299/asiento/año | Todo lo de Pro · espacios de nombres multiusuario · políticas de equipo · exportación de informes de auditoría (facturación por asiento) | | **Complemento de cumplimiento (Compliance Add-on)** | $9.9/mes | ¥19.9/mes | Complemento opcional sobre Pro o Team (no es un nivel aparte y no tiene plan anual): informes periódicos de `verify_integrity`, exportación con prueba de borrado, configuración de residencia de datos | El plan anual = pagas 10 meses y usas 12 (≈16,7 % de descuento; Pro equivale a ¥8.25/mes). Cada cuenta nueva empieza con **30 días de acceso Team, sin tarjeta** — después puedes quedarte en Free para siempre. USD se cobra mediante una suscripción de PayPal con renovación automática (cancelable en cualquier momento dentro de PayPal); CNY se cobra con un código QR de WeChat + confirmación manual del administrador. El autohospedaje sigue siendo MIT y sin límites — la línea SaaS existe para quien prefiere no administrar un servidor. El motor es idéntico; **ninguna función está bloqueada en la versión de código abierto**. --- ## Instalación rápida ### Desde PyPI ```bash pip install mnemosyne-os ``` ### Núcleo sin dependencias (no requiere pip install) ```bash # Core runs on the Python standard library alone python -c "from mnemosyne import MemoryBrain; print('Ready!')" ``` ### Instalación para desarrollo ```bash git clone https://github.com/MnemosyneOS/mnemosyne.git cd mnemosyne pip install -e . ``` --- ## Primeros pasos ### CLI ```bash # Initialize the memory database python mnemosyne.py --dir ./mem init # Store a memory python mnemosyne.py --dir ./mem retain --content "Apple Inc. was founded in 1976" # Search memories python mnemosyne.py --dir ./mem recall "Apple" --k 5 # Consolidate similar memories (pre-check) python mnemosyne.py --dir ./mem consolidate --dry-run # View status / health check python mnemosyne.py --dir ./mem status --json python mnemosyne.py --dir ./mem doctor --json # Knowledge graph query python mnemosyne.py --dir ./mem graph-query "Steve Jobs" --depth 2 --json # Ledger integrity / audit python mnemosyne.py --dir ./mem verify-integrity --json python mnemosyne.py --dir ./mem ledger-audit # Export / import python mnemosyne.py --dir ./mem export --format json --out ./memories.json python mnemosyne.py --dir ./mem import ./memories.json # Migrate JSONL -> SQLite python mnemosyne.py --dir ./mem migrate --jsonl ./mem/index.jsonl # Start the web dashboard python -m mnemosyne.webui.web_server --port 9090 ``` ### API de Python ```python from mnemosyne import MemoryBrain brain = MemoryBrain("./my_memories", enable_embeddings=False) brain.ensure_init() # Store brain.retain("Apple Inc. was founded in 1976", fast=True) # Recall results = brain.recall("Apple", k=5) for score, record, reasons in results: print(f"Score: {score:.4f} | {record['content']}") # Token-budgeted recall results, cost_report = brain.recall("Apple", k=5, budget_tokens=100) # Conversation history brain.add_conversation_turn("session-1", "user", "Tell me about Apple") hits = brain.search_conversations("Apple", session_id="session-1") # Context snapshot snapshot = brain.build_context_prompt(query="Apple", max_chars=2000) ``` ### API asíncrona ```python import asyncio from plugins.async_wrapper import AsyncMemoryBrain async def main(): brain = AsyncMemoryBrain("./memories", enable_embeddings=False) await brain.async_retain("Hello World", fast=True) results = await brain.async_recall("Hello", k=5) print(results) brain.close() asyncio.run(main()) ``` ### Servidor MCP Ejecuta el servidor MCP sobre stdio JSON-RPC: ```bash export MNEMOSYNE_MCP_TOKEN="your-secret-token" # optional token auth python -m mnemosyne.webui.mcp_server --brain-dir ./mem --namespace default ``` El servidor MCP expone **55 herramientas**: | Tool | Descripción | | --- | --- | | `retain` | Escribe una memoria | | `recall` | Recupera memorias | | `retain_batch` | Escritura por lotes, ~15× más rápido | | `stats` | Estadísticas de ejecución — escrituras / recuperaciones / ahorro de tokens | | `graph_query` | Consulta del grafo de conocimiento | | `temporal_query` | Consulta temporal de la cadena de versiones | | `list_projects` | Lista proyectos aislados | | `doctor` | Comprobación de estado — integridad, número de registros, disco | | `audit` | Consulta de la pista de auditoría | | `confidence_history` | Consulta de la trayectoria de confianza | | `memory/export-v1` | Exporta vía el Protocolo de Intercambio de Memoria | | `memory/import-v1` | Importa vía el Protocolo de Intercambio de Memoria | | `memory/claim` | Reclama memorias desde una exportación externa | | `memory_export-v1` | Alias de `memory/export-v1` para clientes que rechazan `/` en los nombres de herramientas | | `memory_import-v1` | Alias de `memory/import-v1` para clientes que rechazan `/` en los nombres de herramientas | | `memory_claim` | Alias de `memory/claim` para clientes que rechazan `/` en los nombres de herramientas | | `forget` | Olvidar una memoria — fija la confianza en 0 y aplica borrado lógico (acepta `memory_id` o una `query` en lenguaje natural) | | `consolidate` | Compresión · consolidación de memoria — fusiona memorias muy similares / sinónimas en una memoria representativa; las originales se marcan como `consolidated` (`min_similarity`, `max_group`, `generate_summary`, `dry_run`) | | `reflect` | Compresión · reflexión mejorada — totales por tipo / capa / tipo de hecho / confianza, entidades más frecuentes, detección de conflictos entre hechos y densidad temporal; `deep=true` añade descubrimiento de patrones cognitivos | | `dedup` | Compresión · deduplicación — detecta duplicados y casi duplicados mediante huella de contenido + similitud vectorial / de frecuencia de términos; `dry_run=true` solo informa | | `recall_health` | Métricas de calidad de recuperación — solo lectura: tasa de vacíos, tendencia top1, descartes por umbral de relevancia, latencia | | `capsule` | Comprimir una memoria en puntero + hechos + átomos — sin pérdida y direccionable | | `expand` | Recuperar el texto original byte a byte, con verificación de hash | | `session_summarize` | Resumen de sesión — siete elementos (objetivo / restricciones / decisiones / pendientes / artefactos / fallos / preferencias) | | `session_recall` | Recuperar resúmenes y pendientes por sesión o proyecto | | `conflict_resolve` | Clasificación y resolución de conflictos (seis clases, `dry_run` primero) | | `task_record` | Registrar un hecho de tarea — qué se hizo y cómo resultó (capa de hechos) | | `playbook_save` | Guardar experiencia — **las precondiciones son obligatorias** (must / must_not / typical_env) | | `playbook_recall` | Buscar experiencia por tipo de objetivo + precondiciones; devuelve `applicable` / `blocked_by` | | `code_change_record` | Registrar un evento de cambio de código (intención / restricciones / enfoques descartados) | | `code_archaeology` | Rastrear la cadena de evolución y los errores de un archivo o símbolo | | `memory_policy` | Ver / ajustar niveles de sensibilidad y políticas de origen | | `profile_card` | Tarjeta de perfil: tres niveles (identidad estable / preferencias y restricciones / situación actual) + temas abiertos, lista para el system prompt | | `memory_inject` | Tubería de inyección de contexto: consulta → recuperación de cuatro vías → fusión RRF → rerank → inyección dentro de presupuesto | | `recall_catalog` | Divulgación progresiva, nivel catálogo: solo título + una línea + coste de expansión, nunca el cuerpo | | `expand_memory` | Divulgación progresiva, expansión: cuerpo + envoltura unificada + vecinos del grafo + cadena de evidencia | | `memory_envelope` | Envoltura unificada: ocho clases + scope de cuatro dimensiones + evidencia + doble eje temporal + TTL + SPO | | `memory_consolidate` | Tres rutas: episódico→semántico, episódico→procedimental, fallo→memoria negativa; idempotente | | `memory_metrics` | Métricas: Chat (5) + Working (4) + Coding (4); datos insuficientes devuelven `insufficient_data` en vez de 0 | | `memory_cascade_delete` | Borrado en cascada: borrado suave → invalidar conclusiones derivadas → limpiar caché → marcar resúmenes dependientes como stale | | `memory_mask` | Máscara: sustituye el cuerpo por un marcador pero conserva el esqueleto (KV-Cache sigue reutilizable) | | `topic_summarize` | Resumen L3 de tema: fusiona varios resúmenes L2 de sesiones de un proyecto | | `memory_trace` | Retroceso por cadena de punteros: L3→L2→L1, con contenido, turnos cubiertos y `message_ids` | | `memory_hot_path` | Búfer de ruta caliente: `enable` activa escritura asíncrona, `status` inspecciona la cola, `flush` espera a que aterrice | | `add_memory` | Guardar texto o historial para un usuario/agente | | `search_memories` | Búsqueda semántica con filtros | | `get_memories` | Filtros estructurados + lista paginada | | `get_memory` | Un registro por id | | `update_memory` | Sobrescribir texto y/o metadatos | | `delete_memory` | Eliminar un registro | | `delete_all_memories` | Vaciar un ámbito | | `delete_entities` | Eliminar entidades en cascada | | `list_entities` | Listar users/agents/apps/runs | | `list_events` | Listar operaciones de memoria | | `get_event_status` | Consultar una operación asíncrona | Conecta cualquier host MCP (Claude Desktop, Hermes Agent, etc.) apuntándolo al comando stdio de arriba. ### API HTTP ```bash python -m mnemosyne.webui.web_server --port 9090 ``` Luego abre `http://127.0.0.1:9090` — un panel local oscuro con navegación de memorias, vista de grafo, estadísticas y un endpoint REST. La cuenta predeterminada `admin / mnemosyne` se crea en la primera ejecución; cambia la contraseña después de iniciar sesión. --- ## Plugins ```python # Crypto plugin (requires cryptography; degrades gracefully otherwise) brain = MemoryBrain("./memories", plugins=["crypto"]) # Numpy vector backend (requires numpy; optional sentence-transformers model) brain = MemoryBrain("./memories", plugins=["numpy_vector"]) # Reranker plugin brain = MemoryBrain("./memories", plugins=["reranker"]) ``` --- ## Estructura del proyecto ``` Mnemosyne8.1.0/ ├── mnemosyne.py # Thin facade re-exporting the mnemosyne package ├── mnemosyne/ # Core engine package (brain / storage / retrieval / cognitive / notary) ├── storage/ # Storage backends (sqlite_backend / ledger / session_store / plugin_sdk) ├── context/ # Context snapshots (snapshot_builder) ├── context_engine/ # Context compression engine (engine-agnostic core + Hermes adapter) ├── lexical/ # Built-in synonym dictionary ├── profiles/ # User profile management ├── providers/ # External provider adapter + multi-source router ├── security/ # Contradiction detection + security report ├── session/ # Conversation importer ├── visualization/ # Knowledge tree generator ├── plugins/ # Extra plugins (HRR / Async) ├── mnemosyne_plugins/ # Official plugins (numpy_vector / crypto / reranker / qdrant_backend) ├── examples/ # Runnable examples (Ollama / LangChain / MCP / CLI / embedded) └── docs/ # Documentation (architecture, modules, plugins, API, deployment) ``` ## Pruebas ```bash python -m unittest discover -s tests -v python -m unittest tests.test_plugins -v ``` ## Documentación - `README_CN.md` — Documentación en chino - `docs/DEPLOY_DEEPSEEK_HARNESS.md` — Despliegue con DeepSeek Harness (vía MCP) - `docs/` — Documentación completa: arquitectura, modelo de datos, documentación de módulos, documentación de plugins, referencias de API / CLI / MCP, despliegue, integración - `COMPLIANCE.md` — Mapa de cumplimiento (HIPAA / 等保 / GDPR / PIPL) - `comparison.md` — Comparación de funciones con alternativas - `CHANGELOG.md` — Historial de versiones - Informes: `quality_report.md` (calidad de recuperación), `benchmark_report.md` (rendimiento), `security_report.md` (seguridad) ## Licencia Licencia MIT — consulta [LICENSE](LICENSE). Creado por Mnemosyne OS contributors. > Esta traducción fue generada por máquina. La versión en inglés (README.md) es la autoritativa.