CogniMemo - 通用AI记忆系统

CogniMemo为AI应用提供持久化、智能化的记忆能力。与基于会话的临时记忆不同，CogniMemo能够随时间存储、理解并从交互中学习。

为什么选择CogniMemo？

• - 跨应用记忆 - 在ChatGPT、Claude、Gemini、DeepSeek之间共享同一记忆
• 模型无关 - 支持OpenAI、Anthropic、Gemini、Mistral、Ollama
• 自动捕获 - 自动判断重要信息，无需手动整理
• 基于权限 - 用户控制每个应用可访问的内容
• 简洁API - 提供REST API、SDK、LangChain适配器

工作原理

1. 记忆自动捕获

CogniMemo从以下来源捕获信息：

• - 聊天对话
• 文档和链接
• 任务、决策、笔记
• 用户操作

2. AI理解上下文

提取内容包括：

• - 实体（人物、地点、事物）
• 关系
• 模式和习惯
• 时间上下文

3. 基于权限的访问

• - 应用只能查看已授权的记忆类型
• 用户可随时撤销访问权限
• 按权限级别进行范围限定

快速开始

步骤1：获取API密钥

1. 1. 访问 https://cognimemo.com
2. 创建账户
3. 从控制台生成API密钥
4. 添加到环境变量：

bash
COGNIMEMOAPIKEY=你的API密钥

步骤2：安装SDK

bash

Python

pip install cognimemo

Node.js

npm install @cognimemo/sdk

步骤3：初始化客户端

python
from cognimemo import CogniMemo

使用API密钥初始化

memory = CogniMemo(api_key=你的API密钥)

或从环境变量读取

memory = CogniMemo() # 使用COGNIMEMOAPIKEY

核心操作

存储记忆

python

存储对话

memory.store(
user_id=user-123,
content=用户偏好使用葡萄牙语回复,
metadata={
type: preference,
source: chat,
confidence: 0.9
}
)

存储决策

memory.store( user_id=user-123, content=决定在前端项目中使用React, metadata={ type: decision, project: web-app, timestamp: 2026-03-16 } )

存储任务

memory.store( user_id=user-123, content=需要在周五前准备季度报告, metadata={ type: task, deadline: 2026-03-20, priority: high } )

检索记忆

python

语义搜索

results = memory.search(
user_id=user-123,
query=用户的偏好是什么？,
limit=10
)

获取特定类型

preferences = memory.getbytype( user_id=user-123, memory_type=preference )

获取近期记忆

recent = memory.get_recent( user_id=user-123, hours=24 )

更新记忆

python

更新现有记忆

memory.update(
memory_id=mem-456,
content=用户偏好简洁的葡萄牙语回复,
metadata={confidence: 1.0}
)

为现有记忆添加上下文

memory.append( memory_id=mem-456, additional_context=同时偏好使用项目符号而非段落 )

删除记忆

python

删除特定记忆

memory.delete(memory_id=mem-456)

清除用户所有记忆

memory.clear(user_id=user-123)

按类型清除

memory.clear(userid=user-123, memorytype=task)

记忆类型

类型	描述	示例
preference	用户偏好	偏好深色模式
decision

已做决策 | 选择PostgreSQL作为数据库 | | task | 待办任务 | 周五前完成报告 | | fact | 事实信息 | 在Acme公司工作 | | context | 会话上下文 | 正在进行API集成 | | pattern | 行为模式 | 通常在周二加班 |

权限范围

python

请求特定权限

authurl = memory.getauth_url(
scopes=[preferences, decisions, tasks],
redirect_uri=https://your-app.com/callback
)

检查用户权限

permissions = memory.getpermissions(userid=user-123)

返回: {preferences: True, decisions: True, tasks: False}

AI模型集成

OpenAI / ChatGPT

python
import openai
from cognimemo import CogniMemo

memory = CogniMemo()
user_id = user-123

获取相关上下文

context = memory.search( userid=userid, query=用户偏好和近期决策, limit=5 )

构建带记忆的提示词

messages = [ {role: system, content: f上下文: {context}}, {role: user, content: 帮我处理项目} ]

response = openai.chat.completions.create(
model=gpt-4,
messages=messages
)

存储对话中的重要信息

memory.store( userid=userid, content=用户询问了React组件库, metadata={type: context, session: current} )

Anthropic / Claude

python
import anthropic
from cognimemo import CogniMemo

memory = CogniMemo()
user_id = user-123

获取记忆上下文

context = memory.search( userid=userid, query=用户偏好, limit=10 )

client = anthropic.Anthropic()
response = client.messages.create(
model=claude-3-5-sonnet-20241022,
max_tokens=1024,
system=f记住: {context},
messages=[{role: user, content: 我应该做什么？}]
)

LangChain集成

python
from langchain.memory import CogniMemoMemory
from langchain.chains import ConversationChain
from langchain.llms import OpenAI

使用CogniMemo作为LangChain记忆

memory = CogniMemoMemory( api_key=你的API密钥, user_id=user-123 )

chain = ConversationChain(
llm=OpenAI(),
memory=memory
)

记忆自动存储和检索

response = chain.predict(input=我们上次讨论了什么？)

OpenClaw集成

python

在OpenClaw技能或代理中

from cognimemo import CogniMemo

class CogniMemoTool:
为OpenClaw代理提供持久记忆的工具。

def init(self, user_id: str):
self.memory = CogniMemo()
self.userid = userid

def remember(self, content: str, memory_type: str = context):
存储信息到记忆。
self.memory.store(
userid=self.userid,
content=content,
metadata={type: memory_type}
)
return f已记住: {content}

def recall(self, query: str):
搜索记忆中的相关信息。
results = self.memory.search(
userid=self.userid,
query=query,
limit=10
)
return results

def get_preferences(self):
获取用户偏好。
return self.memory.getbytype(
userid=self.userid,
memory_type=preference
)

存储后端

CogniMemo支持多种存储层：

后端	最佳用途
Pinecone	向量相似度搜索
Weaviate

混合搜索 |
| PostgreSQL | 关系查询 |
| Redis | 快速检索 |

通过环境变量配置：

bash
COGNIMEMO_STORAGE=pinecone # 或 weaviate, postgres, redis
COGNIMEMOPINECONEAPI_KEY=你的密钥
COGNIMEMOPINECONEENV=us-west1-gcp

最佳实践

1. 合理存储

python

好的做法：具体、结构化的记忆

memory.store( user_id=user-123, content=用户在代码编辑器中偏好深色模式, metadata={type: preference, category: ui} )

不好的做法：模糊、非结构化

memory.store(user_id=user-123, content=用户喜欢东西)

2. 有效搜索

python

使用语义查询

results = memory.search( user_id