开源 · MCP 原生 · Rust

给 AI Agent
装上长期记忆

NylonME 把记忆建模为多股记忆丝编织成的结构体，而不是简单的事件列表或相似度索引。从种子节点出发，在网状记忆图上按关联强度、情境匹配与实时张力扩散激活，让 Agent 真正想起该想起的。

两分钟接入阅读文档查看源码

84.6%LoCoMo recall@10

7Rust crate 架构

3MCP 记忆工具

Apache 2.0开源许可证

Why NylonME

记忆不是检索，是共振

现有记忆系统往往把记忆当成扁平的文本块，用 top-k 相似度找回。NylonME 把记忆织成一张活着的网络，在需要的时候让相关记忆沿边扩散、相互印证。

多股记忆丝

一条记忆不是一句话，而是事实、情感、时序、关系、置信与频次多股丝线的编织体。写入时理解，检索时共振。

网状记忆图

记忆节点以加权边连成网络而非层级树。关系不是静态标签，而是会在每一次编织中增强、衰减和重连。

情境共振检索

从种子节点出发，按关联强度、情境匹配与实时张力扩散激活，并用全局激活预算阻止高扇出节点爆炸。

张力遗忘

不再使用的记忆会沿张力遗忘曲线自然沉降，而不是无限堆积。高频、高共识和高情感的记忆则被保留。

Memory Graph

从当前情境出发，扩散到相关记忆

检索从种子节点开始，沿加权边扩散激活。当前情境越匹配、关系越强、张力越高，被激活的概率越大。

Quick Start

一条 MCP 配置，接进你的 Agent

nylon-engine mcp 通过 stdio 提供 Model Context Protocol，引擎内嵌在进程里，不需要守护进程、不开端口，数据自动落到 ~/.nylonme/data。

json

{
  "mcpServers": {
    "nylonme": {
      "command": "/path/to/nylon-engine",
      "args": ["mcp"],
      "env": { "NYLON_OWNER": "my-project" }
    }
  }
}

shell

cd engine
cargo test

# 以 gRPC 守护进程方式运行
NYLON_DATA_DIR=./data \
NYLON_EMBED_URL=http://localhost:11434 \
NYLON_EMBED_MODEL=bge-m3 \
NYLON_EMBED_DIMS=1024 \
cargo run --release -p nylon-engine -- serve 0.0.0.0:50051

Architecture

七个 crate，各司其职

引擎是一个 Rust workspace，从记忆丝数据模型到 gRPC 服务化，模块边界清晰、可以单机跑通。

nylon-core

记忆丝数据模型 + 张力遗忘曲线

nylon-graph

CSR 主图 + Delta 缓冲 + 共振遍历

nylon-vector

HNSW 向量索引，语义召回

nylon-embed

ollama / OpenAI 兼容嵌入客户端

nylon-llm

理解层：事实编织、冲突检测

nylon-storage

RocksDB 持久化，WAL + 崩溃恢复

nylon-engine

引擎入口 + gRPC 服务（tonic）

调参旋钮

变量	默认值	作用
`NYLON_MAX_SEEDS`	`20`	种子集大小上限（词面 + 向量双通道）
`NYLON_CAT{n}_MAX_HOPS`	`—`	按查询类型覆盖扩散深度（0 = 仅种子，不扩散）
`NYLON_RERANK_VEC`	`0`	查询向量余弦相似度混入共振排序的权重
`NYLON_TENSION_FLOOR`	`0`	排序时的张力下限（不改节点状态）
`NYLON_SEED_QUOTA`	`0`	输出中给直接命中种子的保底前排名额
`NYLON_DERIVED_EDGES`	`关`	抽象层到叶子的显式边（实测保持关闭）

LoCoMo Benchmark

84.6%，不是从一个指标里挑出来的

全量 10 会话语料、1536 个可答 QA，词面与向量融合检索。每一层实验都带来了可以解释的提升。

47.1%词面基线

70.6%向量种子 + 图扩散

80.1%双层写入 + 自适应深度

84.6%查询向量重排激活集

Roadmap

从能跑，到能被广泛接入

Phase 1 已完成

双层写入引擎、混合种子、自适应联想深度、HNSW、RocksDB、gRPC 服务化与 LoCoMo 84.6%。

WeaveSession 双层写入
词面 + 向量混合种子
查询向量重排

Phase 2 开发中

补强常识推理召回，让 Cat3 从 53.3% 继续向上，同时为多平台接入做好基础。

常识推理召回路径
交叉编码器 reranker
Python SDK

下一步

面向生产化：更大规模压测、论文与博客系列、更多 Agent 生态集成。

百万节点 profiling
论文与博客系列
多 Agent 集成

Learn More

继续了解 NylonME

文档

从预编译二进制到源码构建，从 MCP 配置到 gRPC 守护进程，一步步把引擎跑起来。

查看文档

博客

设计判断、评测过程、与其它记忆方案的对比，以及接入不同 Agent 的实战记录。

进入博客

现在就把记忆还给你的 Agent

下载预编译二进制，加一段 MCP 配置，两分钟后你的 Agent 会开始记得你。

开始使用

给 AI Agent 装上长期记忆