Mnemosyne 发布智能体记忆版本控制工具，提供 blame、bisect 与 merge

AI agent 在工作时会积累记忆：它学到的事实、做出的决定。框架把这些存储为状态，并随着工作不断覆盖。Mnemosyne 赋予 agent 记忆以 Git 赋予代码的能力：blame、bisect、commits、branches 和 merge。一个 Rust 核心、一个 mnem CLI 和一个 Python SDK。本地运行、确定性、无网络、无模型调用。

问题所在

你的 agent 运行一小时，进行四十次工具调用，并全程更新其记忆。然后它出了错，而你手里只有它当前状态的记忆。你无法看到错误事实是何时进入的，agent 在偏离轨道之前知道什么，或者它为什么相信自己相信的东西。版本控制正是为代码解决了这个问题。

你能得到什么

命令	作用
`blame`	将任何信念解析到引入它的提交（穿过合并）和观察
`bisect`	对一次运行进行二分查找，找到错误信念首次出现的提交
`commit` · `log`	将记忆记录为不可变、内容寻址的快照及其来源，并遍历历史
`show <commit>`	精确重建任意过去提交时的记忆状态
`branch` · `checkout` · `diff`	以指针的代价分叉记忆，以隔离方式探索假设
`merge`	合并两条记忆线，将冲突作为对象呈现，供你检查和解决
`export` · `import`	将整个历史导出为一个可移植的 JSON 文件，并从中重建存储

上述所有正确性属性——精确重建、精确的 bisect、准确的 blame、merge 上无丢失写入——在 80 个种子、720 次运行的扫描中 100% 成立，另外还有针对合并算法的独立 50,000 例模糊测试，在每次变更时于 CI 中把关。完整细节：基准测试。

快速开始

curl --proto '=https' --tlsv1.2 -LsSf https://github.com/Nabzx/mnemosyne/releases/latest/download/mnem-git-installer.sh | sh
# no Rust toolchain needed; PowerShell equivalent: mnem-git-installer.ps1 on the same release page
pip install mnem-agents     # the Python SDK; `import mnem`

已经有 Rust？cargo install mnem-git 则从源码构建 CLI。

三条命令，agent 的记忆就纳入版本控制：

mnem init ./agent-memory && cd ./agent-memory
mnem add customer-4821 "on the Enterprise plan" --source ticket-4821
mnem commit -m "open the case" --author agent

现在看它抓住一个真实错误：

# an hour later, the agent misreads a billing note:
mnem add customer-4821 "downgraded to Pro last month" --source billing-note-8842 --step step-31
mnem commit -m "reconcile the plan tier" --author agent

# a wrong answer surfaces. find where it entered, and why:
mnem bisect --node customer-4821 --equals '"downgraded to Pro last month"'
mnem blame customer-4821

Python SDK：

import mnem

store = mnem.init("./agent-memory")
store.add("customer-4821", "on the Enterprise plan",
          provenance=mnem.Provenance(source="ticket-4821"))
store.commit("learn the plan tier", author="support-agent")

b = store.blame("customer-4821")       # which commit set this, and why
print(b.commit[:8], b.provenance.source)

Shell 补全：

mnem completions zsh > ~/.zfunc/_mnem     # or bash, fish, powershell, elvish

更多示例，每个界面一个（SDK、Claude、LangGraph、MCP），位于 examples/——上面的 README GIF 是 examples/claude_agent.py。

来自 Git

Git	`mnem`
`git init`	`mnem init`
`git add`	`mnem add`
`git commit`	`mnem commit`
`git log`	`mnem log`
`git branch`	`mnem branch`
`git checkout`	`mnem checkout`
`git diff`	`mnem diff`
`git merge`	`mnem merge`
`git blame`	`mnem blame`，同样的思路
`git bisect`	`mnem bisect`，同样的思路

目前有意缺失的部分：push / pull / clone（存储之间的同步协议属于 Era 2）、暂存的 hunk（add -p，暂存是一个完整节点），以及文本合并冲突标记（冲突是一个对象，你用 --resolve <id>=ours|theirs|base|delete 或 --strategy 解决，而不是内联标记）。

愿景

代码需要版本控制，然后需要一种共享和共同构建的方式。AI agent 需要完全相同的东西，而且不止于记忆：它延伸到整个 agent、agent 之间如何协作，最终延伸到它们运行的物理机器。Mnemosyne 正在端到端地构建这一切：

版本控制 （现在）：单 agent 的版本化记忆，本地且确定性。
协作层：agent 在共享记忆上协同工作，变更落地前有审查步骤，就像代码的 pull request 一样。
平台：整个 agent，而不仅仅是其记忆，像今天 GitHub 上的代码一样被保存、共享和分叉。
翻译层：一个 agent 定义，写一次，即可在任何框架上运行，而不是为每个框架重建。
物理 AI：机器人是未来。同样的版本控制和翻译层，应用于物理技能而非软件记忆，这样一个系统学到的东西可以迁移到另一个系统。

我们从软件 agent 开始。这是证明其可行的最容易的地方。但物理 AI 是新现象，而这最终正是为此而构建的。

先前工作

2026年的一波研究都指向这个想法（Git4Data、GitOfThoughts、StateFuse、MemTX、LatticeMind），每一个都是一篇论文或一个原型。有一个发现值得直说：版本化记忆并不会让智能体给出更好的答案。它给你的是历史记录、审计和安全合并。这就是全部卖点，而这就足够了。基准测试里有具体数字，我为什么构建这个里有更长的版本，而为什么智能体记忆需要版本控制则阐述了普遍情况。

想要同样的故事从头到尾走一遍，一次一条命令，用真实的提交 ID 而不是压缩过的摘要？用 bisect 调试被投毒的智能体逐字讲述了上面 GIF 所做的事。

贡献与许可

非常欢迎提出问题、bug 报告和想法，这是塑造下一步要构建什么的最佳方式。由一位维护者开发，所以目前 docs//examples/ 之外的大多数拉取请求都不会被合并（详情见 CONTRIBUTING.md）。Apache 2.0（LICENSE）。