Aion Memory Nexus
A trusted memory and predictive analysis MCP server for AI agents, enabling evidence-based memory management, pattern analysis, and decision support with full audit trails.
README
Aion Memory Nexus · 永识中枢
Predictive AI Agent Memory & Second Brain — a trusted life mentor built from evidence, not a passive archive.
面向个人与小团队的预测型第二大脑:把对话、Agent、企业微信、文件和链接沉淀为可追溯的认知证据,再将记忆用于模式分析、决策复盘、情景推演和行动引导。
当前版本:2.5.1 · 许可证:MIT · 开源状态:Public
不只是记忆库:你的可信第二大脑
多数“记忆”方案停在保存和搜索:把模型提取出的文本直接当作长期事实。这在真实生活、跨 Agent 协作和持续对话中不够,也很危险:来源会丢失,过期内容会被误用,冲突无法说明,外部 Agent 还可能污染正式记忆。
Aion Memory Nexus 的目标不是替你“记住更多”,而是帮你看见自己的决策模式、复盘结果、比较选择,并在下一次关键选择前提供有来源的分析。记忆是输入,预测分析与人生决策支持才是最终闭环。
它把事件、证据、决策和正式记忆分开:原始内容可追溯,正式记忆可修正或撤回,外部 Agent 只能提供事件,不能直接写入正式记忆。基于这条可信主干,系统再组织历史决策、人格假设、时间线和相似案例,为“人生导师”式的建议提供证据基础。
人始终是最终决策者。 系统输出的是带证据、置信度、局限和替代方案的分析或情景推演,不是确定性预言,也不替用户作出高风险决定。
核心能力
| 能力 | 当前实现 |
|---|---|
| 可信记忆主干 | RawEvent → MemoryWorkCase → Evidence → Decision → CommittedMemory,带来源、版本、生命周期与审计链路。 |
| 对话与企业微信 | 统一 Conversation Ledger;支持自然聊天、撤回、修正、不要记和受限主动跟进。 |
| Agent / MCP | 外部 Agent 在最小权限范围内读取上下文、追加 RawEvent、导入增量;正式记忆只由内置 Working Agent 治理。 |
| 混合检索 | PostgreSQL/pgvector、关键词、时间与上下文分层;检索结果包含来源与可见范围。 |
| 第二大脑与人生导师 | 汇集决策历史、人格假设、任务和时间线,支持决策复盘、模式识别、方案比较与行动建议。 |
| 预测与情景分析 | 以历史证据、相似决策和当前约束生成可解释的情景推演;输出置信度与不确定性,而非伪装成确定事实。 |
| 媒体与链接 | URL、文件、图片、表格、音频、视频先作为来源工件,再进入治理链路。 |
| Graphiti / Neo4j(可选) | 仅作为可删除、可重建的 Shadow 时间关系投影;不改变正式召回结果,也不能反写权威记忆。 |
| 运维与可观测性 | Docker Compose、健康检查、指标、迁移、生产预检和受控运行时开关。 |
架构一览
flowchart TD
A["对话 / 企业微信 / 外部 Agent / MCP / 手工 / Obsidian"] --> B["RawEvent\n唯一外部写入口"]
B --> C["Working Agent\n案件、证据、冲突与决策治理"]
C --> D["CommittedMemory\nPostgreSQL + pgvector\n权威事实源"]
D --> E["混合检索与时间线\n语义 · 关键词 · 时间 · 决策链"]
E --> G["认知导师\n复盘 · 模式分析 · 情景推演 · 行动建议"]
G --> A
D -. "异步、单向、可重建" .-> F["Graphiti / Neo4j\n可选时间关系投影"]
不是什么
- 不是把所有聊天内容永久保存的“日志仓库”。
- 不是只有搜索功能的向量数据库包装器;记忆必须回到分析、预测和决策支持闭环。
- 不是允许外部 Agent 直接写正式记忆的共享数据库。
- 不是多租户 SaaS;当前默认按单用户/自托管边界设计。
- 不是 Graphiti 的外部代理;Graphiti 仅为内部可选投影。
- 不是替用户承担人生、医疗、法律、财务或其他高风险决定的自动决策器。
快速开始
1. 准备本地开发环境
推荐 Python 3.11。Windows 上请使用 Python 3.11 或 Docker;Python 3.14 不是当前稳定测试运行时。
git clone https://github.com/234194027-cpu/aion-memory-nexus.git
cd aion-memory-nexus
python -m venv .venv
Windows PowerShell:
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
Copy-Item .env.example .env
macOS / Linux:
source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
本地开发可在 .env 覆盖为 SQLite,并设置自己的非占位密钥:
ENVIRONMENT=development
POSTGRES_URL=sqlite+aiosqlite:///./life_memory.db
SECRET_KEY=replace-with-a-random-local-development-secret-at-least-32-characters
ENABLE_SCHEDULER=false
BOOTSTRAP_DEFAULTS=true
CREATE_SCHEMA_ON_STARTUP=true
SOLO_MODE=true
启动 API:
python -m uvicorn src.main:app --host 127.0.0.1 --port 8000
打开:
- Health:http://127.0.0.1:8000/health
- OpenAPI(非生产):http://127.0.0.1:8000/docs
2. Docker Compose 部署
Compose 运行 PostgreSQL/pgvector、Redis、API、Worker、Nginx,生产配置必须通过环境变量提供密码、Token 与证书。绝不提交 .env、证书、数据库或生产导出。
cp .env.example .env
# 编辑 .env:至少替换 POSTGRES_PASSWORD、REDIS_PASSWORD、SECRET_KEY、SYSTEM_API_TOKEN
# 准备 certs/life-memory.crt 与 certs/life-memory.key
docker compose up -d --build
启动前建议运行只读预检:
python scripts/production_preflight.py --env-file .env --compose-file docker-compose.yml --cert-dir certs --public-url https://your-domain.example
Graphiti/Neo4j 保持默认关闭。V2.5.1 即使启用也只运行 Shadow 对比,不参与 Agent 上下文和正式召回排序;未来提升权限必须经过新的架构版本与独立验收。
Agent 与 MCP
外部 Agent 的顺序很简单:开工前读取、工作中检索、结束后追加 RawEvent。
- 连接后先调用
memory_map、memory_list_types、memory_policy_status。 - 非简单任务开始前调用
memory_before_start。 - 任务过程中按需调用
memory_search。 - 结束后只用
memory_after_end或memory_upload_event写入事件。
外部 Agent 不得创建、修改、撤回或删除 CommittedMemory,也不得访问 Graphiti 写入、回放或管理接口。详细协议见:
版本化 Skill 发布物由 scripts/build_skill_release.py 生成到 static/skills/。线上 HTTPS 分发是否可用取决于部署实例;下载前必须读取 manifest 并校验 SHA256,不能把 SPA HTML 当作 ZIP 安装。
验证与质量门
# 快速导入
python -X utf8 -c "import src.app.main; print('IMPORT_OK')"
# 迁移往返
python -X utf8 scripts/check_migrations.py
# 单元测试
python -X utf8 -m pytest tests/unit -q
# 前端检查
cd admin-web
npm ci
npm run lint
npm run typecheck
npm run build
GitHub Actions 在 Python 3.12 与 Node 22 上执行静态检查、测试、迁移往返和前端构建。涉及真实企业微信、模型凭证、TLS 和生产数据的验收刻意不放进公开 CI。
安全与数据边界
- 权威数据在 PostgreSQL/pgvector;Neo4j/Graphiti 是可丢弃的派生投影。
- API Key、Agent Token、模型凭证和媒体原文不得写入日志、指标、Issue 或 Pull Request。
- 部署前请阅读 安全披露政策、运行手册 和 数据生命周期说明。
- 发现安全问题请不要公开贴出复现凭证;请按 SECURITY.md 的私密渠道报告。
文档导航
- 认知架构与产品定位:当前系统边界、可信记忆主干,以及记忆如何服务于分析、预测和人生决策支持。
- 可信记忆中枢 V3 / Graphiti 运行手册
- 运行可观测性与失败处理
- 第三方归属与许可证
- 贡献指南
贡献
欢迎 Bug 修复、测试补充、文档改进和经过讨论的功能贡献。请先阅读 CONTRIBUTING.md,尤其注意:不提交真实凭证、不绕过 RawEvent 治理边界、不把静态检查称为真实外部验收。
许可证与致谢
本项目以 MIT License 开源。第三方设计参考、许可证与独立实现边界见 NOTICE 和 第三方归属清单。
Recommended Servers
playwright-mcp
A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.
Magic Component Platform (MCP)
An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.
Audiense Insights MCP Server
Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.
VeyraX MCP
Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.
graphlit-mcp-server
The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.
Kagi MCP Server
An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.
E2B
Using MCP to run code via e2b.
Neon Database
MCP server for interacting with Neon Management API and databases
Exa Search
A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.
Qdrant Server
This repository is an example of how to create a MCP server for Qdrant, a vector search engine.