Deep Memory：面向AI代理的詞彙驅動圖記憶庫

Deep Memory 是一個開源的詞彙驅動圖記憶庫，專為 AI 代理設計，旨在提供結構化、持久化的記憶能力。其核心思想是讓 AI 代理在操作知識圖譜時，不再需要猜測實體型別、關係和屬性，而是透過一個預定義的詞彙表（schema）來指導所有互動。這解決了知識圖譜冷啟動的難題：代理在存入第一條事實前，就能理解完整的實體型別、屬性約束和關係型別，從而避免不一致性和令牌浪費。

詞彙驅動的方法帶來了多重優勢。代理無需試錯即可在單次工具呼叫中建立實體，驗證機制能捕獲無效型別和缺失屬性，確保多代理協作時資料的結構一致性。在開放治理模式下，代理甚至可以提議新型別並自動批准去重，實現無摩擦擴充套件。詞彙表以緊湊的 schema 形式存在，代理僅需數百個令牌即可內化並高效工作。

Deep Memory 提供了多種快速啟動方式，滿足不同場景需求。in-memory 後端無需任何設定，適合快速體驗；SQL Server、Neo4j 和 CosmosDB 後端則提供持久化儲存，並附帶了 Docker Compose 配置檔案便於本地部署。對於文件匯入需求，索引管道（indexer）能夠將源文件自動轉換為知識圖譜，支援多階段 LLM 提取、質量驗證和跨文件實體去重。

軟體包體系涵蓋核心庫、儲存後端、嵌入提供者和 MCP 伺服器。核心庫 @utaba/deep-memory 零執行時依賴，提供型別化實體、關係、屬性驗證和可插拔儲存。MCP 伺服器（@utaba/deep-memory-local-mcp-server）暴露了 20 多個工具，供 AI 代理建立倉庫、管理實體與關係、進行語義搜尋。索引管道透過 MCP 工具引導代理完成從文件掃描到知識圖譜就緒的全流程。

Deep Memory 還提供了多個領域入門套件（Starter Kits），包括採礦裝置、市政規劃、人員網路、對話歷史和合同知識等。每個套件都預定義了詞彙表、關係型別和索引過程，代理可以直接從該領域開始工作。例如，告訴代理“使用 Person 入門套件建立一個新的 deep memory 倉庫”，即可快速建立聯絡人網路知識圖譜。

安裝和配置也非常簡單。系統要求 Node.js 22 或 24、pnpm 9+ 和 Docker。透過 Docker Compose 啟動 SQL Server 後，執行 pnpm install 和 pnpm build 即可構建。MCP 伺服器的配置透過 .mcp.json 檔案完成，支援多種環境變數設定，如儲存後端、資料庫連線和嵌入模型。整體而言，Deep Memory 為 AI 代理提供了一條從零開始構建知識圖譜的捷徑，顯著降低了使用門檻和開發成本。