AI Agent 的记忆问题比想象中更严重——研究显示，传统向量数据库存储的记忆中，高达 97% 是无关内容。

MenteDB 的解决方案很激进：不是包装现有数据库，而是从零构建一个”认知感知”的存储引擎。

为什么传统方案失效？

所有传统数据库都假设消费者能够补偿糟糕的数据组织。但 AI 不行——Transformer 只有一次机会，一个上下文窗口，一次前向传播。如果数据组织不好，AI 无法在运行时重新组织。

MenteDB 称自己为”认知准备引擎”：在写入时就完成智能组织，确保读取时上下文窗口是最相关的。

核心特性

写入时智能：

  • LLM 驱动的提取：解析对话，只提取关键信息（决策、偏好、纠正、事实、实体）
  • 实体中心记忆：提取结构化实体（人物、宠物、地点、事件）并链接相关记忆

存储技术：

  • WAL（Write-Ahead Log）保证持久性
  • HNSW 向量索引支持语义检索
  • 知识图谱管理实体关系
  • 推测性上下文预组装

三种使用方式

REST API：

Terminal window
curl -X POST http://localhost:6677/v1/ingest \
  -H "Content-Type: application/json" \
  -d '{"conversation": "User: I prefer Python over JS\nAssistant: Noted!", "agent_id": "my-agent"}'

MCP 集成（Claude CLI、Copilot CLI、Cursor）：

{
  "mcpServers": {
    "mentedb": {
      "command": "mentedb-mcp",
      "args": ["--data-dir", "~/.mentedb"]
    }
  }
}

Rust 嵌入：

use mentedb::MenteDb;


let db = MenteDb::open("./my-agent-memory")?;
db.store(&memory_node)?;
let context = db.assemble_context(agent_id, space_id, 4096)?;

项目状态

MenteDB 目前处于 Beta 阶段，API 可能在小版本间变化。但核心设计理念已经明确：为 AI Agent 打造一个真正”理解”记忆的数据库。

相关资源