Skill

🧠 BFT共识验证的持久化AI记忆层

基于BFT共识的持久化AI代理记忆系统,支持跨会话上下文延续、置信度评分与自然衰减机制

收藏
4.5k
安装
1k
版本
5.0.1
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心概述

SAGE Memory 是一款专为AI代理设计的持久化记忆基础设施,通过MCP协议为Claude Code、Cursor、Windsurf等工具提供跨会话的 institutional memory。其核心创新在于将区块链领域的BFT(拜占庭容错)共识机制引入记忆管理,确保多代理场景下的数据一致性。

显著优点

1. 企业级可靠性

  • BFT共识验证:每条记忆需通过共识才能提交,防止单点故障或恶意篡改
  • 置信度分层:fact(0.95+)、observation(0.80+)、inference(0.60+)三级评分机制
  • 自然衰减模型:长期不用的记忆自动弱化,避免上下文膨胀

2. 精准上下文召回

  • 领域隔离(domain isolation):支持动态创建精细化领域标签(如go-debugginguser-preferences
  • 原子化turn循环:每轮对话自动召回相关记忆并存储新观察
  • 经验证的有效性:研究数据显示,有记忆辅助时任务相关性达rho=0.716,无记忆时仅rho=0.040

3. 工程友好设计

  • 零配置MCP集成:通过sage-gui mcp install一键接入
  • 反射学习机制:内置sage_reflect工具固化"dos/don'ts"经验
  • 安全闸:破坏性操作前自动召回critical lessons

潜在局限

  • 本地依赖:必须安装SAGE守护进程(sage-gui),无法纯云端运行
  • 启动开销:每次新会话强制调用sage_inception,增加约200-500ms延迟
  • 领域设计门槛:需用户主动规划domain架构,滥用general会导致召回噪声
  • 生态早期:目前仅验证主流MCP客户端,小众工具兼容性待验证

适用人群

  • 多项目开发者:需要在不同代码库间保持上下文连贯
  • AI原生团队:构建长期运行的自动化代理工作流
  • 知识工作者:依赖AI维护复杂的领域知识图谱
  • 安全意识强的组织:对记忆持久化和审计有合规需求

风险提示

  • 数据驻留:记忆默认本地存储,跨设备同步需额外配置
  • 共识延迟:网络分区时可能影响记忆提交实时性
  • 版本锁定:Apache-2.0协议友好,但MCP协议迭代可能导致兼容性维护成本

Skill 内容

手动下载zip · 2.7 kB
SKILL.mdtext/markdown
请选择文件