Show HN：Memharness – AI代理的雙時態記憶，單個SQLite文件

Memharness 是一個專為 AI 代理設計的長期記憶庫，採用單個 SQLite 文件存儲雙時態、附帶來源的事實。與大多數將記憶視為字符串集合的方案不同，Memharness 結合了三種關鍵語義：雙時態（事實的世界時間與學習時間分離）、修正鏈（保留歷史記錄而非覆蓋）以及每個事實的完整來源（包括誰、何時、何處）。

這使得代理能夠回答諸如“你三月一號相信什麼？”、“在我糾正你之前你相信什麼？”以及“你為什麼相信這個？”等問題。存儲層是完全確定性的，不依賴任何 LLM 或網絡調用；所有數據均通過標準的 MCP 協議暴露給 AI 代理。

Memharness 並非適用於所有場景。如果代理的記憶規模小且穩定，能輕鬆放入上下文窗口，那麼使用 CLAUDE.md 文件或直接填充歷史記錄更為簡單。但當歷史數據超出上下文窗口、需要審計追蹤、需要按來源批量刪除（如 GDPR 要求）或者信念隨時間變化時，Memharness 的價值便得以體現。

與同類產品（如 mem0、Zep、Letta 等）相比，Memharness 的獨特優勢在於其確定性、可審計的存儲層，而非自動事實提取服務。它不提供自動從對話中提取事實的功能，而是在寫入路徑上保持無模型狀態，由客户端決定什麼值得記憶。

項目以 npm 包形式發佈，包含核心 TypeScript 庫（@memharness/core）、MCP 服務器（@memharness/mcp）以及可選的嵌入模型（@memharness/embed）。快速集成只需一個命令，例如在 Claude Code 中添加 MCP 服務器。首次運行時，記憶文件自動在 ~/.memharness/memory.db 創建。

Memharness 提供了七個核心工具：remember（存儲原子事實）、recall（按時間點查詢當前信念）、revise（修正信念並保留歷史）、diff（查看時間範圍內的變更）、why（查看事實的完整來源和修正鏈）、forget（按 ID 或來源刪除）以及 stats（統計信息）。

在開發方面，項目強調正確性：通過隨機化屬性測試（每次提交運行 10,000 個隨機序列）確保 recall 的 as_of 查詢與事件日誌重放結果一致。基準測試顯示，在 10 萬條事實規模下，大部分查詢的 p95 響應時間約 1.3 毫秒。

Memharness 採用 Apache-2.0 許可證，完全開源。