Show HN：Memharness – AI代理的双时态记忆，单个SQLite文件

Memharness 是一个专为 AI 代理设计的长期记忆库，采用单个 SQLite 文件存储双时态、附带来源的事实。与大多数将记忆视为字符串集合的方案不同，Memharness 结合了三种关键语义：双时态（事实的世界时间与学习时间分离）、修正链（保留历史记录而非覆盖）以及每个事实的完整来源（包括谁、何时、何处）。

这使得代理能够回答诸如“你三月一号相信什么？”、“在我纠正你之前你相信什么？”以及“你为什么相信这个？”等问题。存储层是完全确定性的，不依赖任何 LLM 或网络调用；所有数据均通过标准的 MCP 协议暴露给 AI 代理。

Memharness 并非适用于所有场景。如果代理的记忆规模小且稳定，能轻松放入上下文窗口，那么使用 CLAUDE.md 文件或直接填充历史记录更为简单。但当历史数据超出上下文窗口、需要审计追踪、需要按来源批量删除（如 GDPR 要求）或者信念随时间变化时，Memharness 的价值便得以体现。

与同类产品（如 mem0、Zep、Letta 等）相比，Memharness 的独特优势在于其确定性、可审计的存储层，而非自动事实提取服务。它不提供自动从对话中提取事实的功能，而是在写入路径上保持无模型状态，由客户端决定什么值得记忆。

项目以 npm 包形式发布，包含核心 TypeScript 库（@memharness/core）、MCP 服务器（@memharness/mcp）以及可选的嵌入模型（@memharness/embed）。快速集成只需一个命令，例如在 Claude Code 中添加 MCP 服务器。首次运行时，记忆文件自动在 ~/.memharness/memory.db 创建。

Memharness 提供了七个核心工具：remember（存储原子事实）、recall（按时间点查询当前信念）、revise（修正信念并保留历史）、diff（查看时间范围内的变更）、why（查看事实的完整来源和修正链）、forget（按 ID 或来源删除）以及 stats（统计信息）。

在开发方面，项目强调正确性：通过随机化属性测试（每次提交运行 10,000 个随机序列）确保 recall 的 as_of 查询与事件日志重放结果一致。基准测试显示，在 10 万条事实规模下，大部分查询的 p95 响应时间约 1.3 毫秒。

Memharness 采用 Apache-2.0 许可证，完全开源。