Deep Memory：面向AI代理的词汇驱动图记忆库

Deep Memory 是一个开源的词汇驱动图记忆库，专为 AI 代理设计，旨在提供结构化、持久化的记忆能力。其核心思想是让 AI 代理在操作知识图谱时，不再需要猜测实体类型、关系和属性，而是通过一个预定义的词汇表（schema）来指导所有交互。这解决了知识图谱冷启动的难题：代理在存入第一条事实前，就能理解完整的实体类型、属性约束和关系类型，从而避免不一致性和令牌浪费。

词汇驱动的方法带来了多重优势。代理无需试错即可在单次工具调用中创建实体，验证机制能捕获无效类型和缺失属性，确保多代理协作时数据的结构一致性。在开放治理模式下，代理甚至可以提议新类型并自动批准去重，实现无摩擦扩展。词汇表以紧凑的 schema 形式存在，代理仅需数百个令牌即可内化并高效工作。

Deep Memory 提供了多种快速启动方式，满足不同场景需求。in-memory 后端无需任何设置，适合快速体验；SQL Server、Neo4j 和 CosmosDB 后端则提供持久化存储，并附带了 Docker Compose 配置文件便于本地部署。对于文档导入需求，索引管道（indexer）能够将源文档自动转换为知识图谱，支持多阶段 LLM 提取、质量验证和跨文档实体去重。

软件包体系涵盖核心库、存储后端、嵌入提供者和 MCP 服务器。核心库 @utaba/deep-memory 零运行时依赖，提供类型化实体、关系、属性验证和可插拔存储。MCP 服务器（@utaba/deep-memory-local-mcp-server）暴露了 20 多个工具，供 AI 代理创建仓库、管理实体与关系、进行语义搜索。索引管道通过 MCP 工具引导代理完成从文档扫描到知识图谱就绪的全流程。

Deep Memory 还提供了多个领域入门套件（Starter Kits），包括采矿设备、市政规划、人员网络、对话历史和合同知识等。每个套件都预定义了词汇表、关系类型和索引过程，代理可以直接从该领域开始工作。例如，告诉代理“使用 Person 入门套件创建一个新的 deep memory 仓库”，即可快速建立联系人网络知识图谱。

安装和配置也非常简单。系统要求 Node.js 22 或 24、pnpm 9+ 和 Docker。通过 Docker Compose 启动 SQL Server 后，执行 pnpm install 和 pnpm build 即可构建。MCP 服务器的配置通过 .mcp.json 文件完成，支持多种环境变量设置，如存储后端、数据库连接和嵌入模型。整体而言，Deep Memory 为 AI 代理提供了一条从零开始构建知识图谱的捷径，显著降低了使用门槛和开发成本。