Amp

🚀 AMP：智能体记忆协议 🧠

智能体记忆的开放标准。

本项目为智能体提供了一套记忆解决方案，解决了传统AI智能体易遗忘的问题，通过模拟人类大脑记忆机制，让智能体拥有持续且不断进化的自我感知能力。

🚀 快速开始

30秒快速设置

1. 通过 uv 安装（推荐）

# 安装工具
uv tool install amp-memory

# 启动核心服务
amp serve

2. 或者，通过 pip 安装

pip install amp-memory
amp serve

3. 打开仪表盘

访问 http://localhost:8000。界面默认是 星系模式。切换到 力场模式 可以查看基于物理原理的连接。

4. 连接到集成开发环境和工具

AMP 原生支持 Antigravity、Cursor、VS Code Copilot 和 Claude Desktop。将以下内容添加到你的 MCP 配置文件（通常是 mcp_config.json 或 claude_desktop_config.json）中：

{
  "mcpServers": {
    "amp-memory": {
      "command": "uv",
      "args": ["tool", "run", "amp-memory", "serve"],
      "env": {
        "PYTHONPATH": "."
      }
    }
  }
}

现在你可以说：

"@amp 记住我正在重构登录控制器。" "@amp 我们上次修复的最后一个 bug 是什么？"

它都能知晓。

✨ 主要特性

🌌 星系视图（可视化）

无需再猜测你的智能体知道什么，而是 亲眼目睹。 AMP 配备了一个令人惊叹的、60 帧每秒的本地仪表盘。实时观看记忆形成星群。节点根据语义含义聚类 —— 如果两个想法相关，它们会在物理上靠在一起。

🕸️ 力场模式（物理模拟）

切换到 力场模式 以查看记忆之间的拓扑连接。它使用物理模拟（D3.js）来展示不同的记忆集群如何通过共享上下文“拉”在一起。

🔍 语义查询

无需再猜测关键词。使用自然语言查询你的智能体的记忆。我构建了一个专用界面，它不仅能找到相关记忆，还会显示 相关性得分（0 - 100%），让你确切知道为什么某个记忆被检索出来。

🔌 MCP 原生支持（即插即用）

从一开始就为 模型上下文协议 而构建。

• Claude Desktop：将 AMP 添加到你的配置中，Claude 就能永远记住你。
• Cursor：为你的编码助手提供项目历史的持久上下文。

🧠 “三层”大脑架构

我并非只是将文本存入向量存储中，而是对其进行结构化处理：

1. ⚡ 短期记忆（STM）：高保真缓冲区。“我们 现在 正在做什么？”
2. 📚 长期记忆（LTM）：巩固的见解。“我们上周学到了什么？”
3. 🕸️ 图结构：实体之间的连接。“函数 A 与 bug B 有什么关系？”

🏆 一流的召回率

我在复杂的 LoCoMo 数据集上对 AMP 与领先的竞争对手（Mem0）进行了基准测试。结果差距明显。

📚 详细文档

路线图 🗺️

• [x] 星系视图：可视化语义空间。
• [x] 图 API：由 D3.js 驱动的可视化。
• [x] 语义搜索：基于向量的相关性排序。
• [ ] 云同步：跨设备同步记忆。
• [ ] 多智能体集群：为智能体团队提供共享记忆。

星标历史

由 Akshay 用心打造 ❤️