MemoHood 和 MemoBase：AI 智慧體的本地記憶與知識庫

MemoBase 是一款為 hermes-agent 設計的外掛，旨在將使用者的本地檔案、網頁、YouTube 影片、音訊記錄以及 Obsidian 筆記等多元資訊源轉化為一個可檢索的本地知識庫。與傳統的語言模型直接呼叫不同，MemoBase 嚴格基於其索引的知識庫進行回答，確保每一條回覆都有據可查，有效避免了模型幻覺問題。

該外掛的核心工作流程分為兩個階段：一是資料攝入（ingest），二是查詢回答（ask/query）。在攝入階段，系統能處理 PDF（透過 pdfplumber，回退至 pypdf）、DOCX（mammoth）、HTML 與 URL（trafilatura，帶 SSRF 檢查）、Markdown、TXT、CSV 等常見格式。對於 YouTube，它能自動獲取字幕（透過 ScrapeCreators 或 Apify），無字幕時則下載音訊並使用 Groq Whisper 進行語音轉文字，並保留時間戳。音訊和影片檔案同樣支援轉寫，長檔案會自動切分。Obsidian 筆記以只讀方式載入，自動識別 vault、frontmatter 和 [[連結]]。

在查詢階段，MemoBase 採用混合搜尋策略：結合 FTS5（BM25 演算法 + 俄語詞幹提取）和向量搜尋（Cloudflare BGE-M3，1024 維），透過 RRF（k=60）融合結果，再經 Cohere rerank-v3.5 重新排序。回答生成前先透過“充足性門控”，僅當找到足夠相關的片段時才允許模型回答；回答時模型只能基於提供的片段（tool-less 模式），並且每個引用都必須與原文逐字匹配（或模糊匹配），否則模型將誠實拒絕。

為保障安全，MemoBase 內建了六項不可關閉的保護機制：SSRF 防護、原始分塊隔離、降級模式下的閾值調整、向量遷移的影子表、子宣告驗證以及舊分片的清除。它還支援訪客集合，允許宿主為訪客建立獨立的個人知識庫，並設定配額與許可權。

安裝過程極為簡便：只需一條命令即可完成外掛複製、依賴安裝和配置啟用。使用者無需手動編輯配置，安裝指令碼會自動完成所有步驟。整個知識庫儲存在一個本地 SQLite 檔案中（/memobase/memobase.db），向量索引也完全本地化，外部僅傳送必要的查詢和片段用於嵌入和重排序。

總之，MemoBase 提供了一個輕量級、可本地部署的 RAG 解決方案，特別適合需要高準確性、強隱私保護且避免模型幻覺的場景。它不僅降低了使用成本和門檻，還透過嚴密的引用驗證機制確保了回答的可信度。