oGMemory 特性文档 ​

可获得性 ​

本特性自 openGauss7.0.0-RC3 开始引入。

特性简介 ​

oGMemory 是一款面向 AI Agent 的持久化记忆与上下文生命周期管理系统。系统通过对会话上下文进行抽取、分类、存储、索引、检索、压缩和归档，为 Agent 提供跨会话、可控且可追溯的长期记忆能力。

oGMemory 以独立服务形式部署，支持通过 Agent 插件、MCP、HTTP REST API 和 Python API 等方式接入 Claude Code、OpenCode、OpenClaw 及其他 AI Agent，并可使用 openGauss 作为持久化存储和向量检索后端。

客户价值 ​

• 跨会话长期记忆：将用户偏好、实体信息、历史事件、处理经验和任务状态持久化保存，使 Agent 在新会话中仍能召回相关信息。
• 完整上下文生命周期管理：统一管理上下文的增量写入、记忆抽取、状态压缩、会话归档和结束刷新，降低长会话中的 Token 消耗。
• 记忆质量提升：通过两阶段抽取、类型化 Schema 和差异化写入策略，减少无效、重复及相互冲突的记忆。
• 检索效果提升：支持向量检索、可选 BM25 混合检索以及 L0/L1/L2 分层检索，提升复杂记忆空间中的信息召回能力。
• 多 Agent 统一接入：通过标准 MCP Tool、HTTP API 和 Agent 插件提供统一能力，减少针对不同 Agent 的重复适配工作。
• 安全与可治理：支持多租户数据隔离、角色权限、写入审计和记忆来源追踪，降低长期记忆的越权访问风险。
• 灵活部署：支持源码部署和容器化部署，并可根据使用场景选择 AGFS 或 openGauss等存储后端。

特性描述 ​

oGMemory 以独立记忆服务的形式提供，不属于数据库内置插件。使用前需要部署 oGMemory 服务，配置大语言模型、Embedding 模型和存储后端，并根据 Agent 类型选择相应的接入方式。

oGMemory 提供以下核心能力：

• 上下文生命周期管理：通过 Session Buffer 保存会话中的增量消息，并维护消息处理水位线、Token 数量和会话状态。系统支持滚动压缩、压缩前记忆抽取、会话归档以及会话结束时的未处理消息刷新。
• 增量记忆抽取：仅对尚未处理的新增消息进行抽取。达到配置的 Token 阈值或显式触发时，系统先识别具有长期价值的连续对话片段，再从片段中生成结构化候选记忆。
• 类型化记忆管理：通过 YAML Schema 定义记忆类型、字段结构、存储目录、所属范围和写入模式。系统可以根据记忆类型选择合并更新或追加写入策略。
• 持久化记忆存储：支持保存用户属性、偏好、实体、行为模式、历史事件和问题处理记录等信息，并通过账户、用户和 Agent 作用域实现数据隔离。
• 异步索引构建：记忆内容写入后，通过 Outbox 机制异步生成 Embedding 和目录摘要，并更新向量及关键词索引。索引失败时支持重试和死信处理。
• 分层检索：采用 L0、L1 和 L2 分层索引结构。L0 和 L1 目录节点用于定位相关记忆范围，系统递归展开目录并最终返回包含具体记忆内容的 L2 叶子节点。
• 混合检索：支持向量语义检索，并可配置 BM25 关键词检索。两类检索结果通过加权排序进行融合，以兼顾语义相关性和关键词匹配能力。
• 上下文组装：按照 Token 预算，将身份信息、历史会话归档、当前会话状态和本轮检索证据组装为结构化上下文，供 Agent 生成最终回答。
• 多种接入方式：支持 Claude Code、OpenCode 和 OpenClaw 等 Agent 插件，也支持 MCP、HTTP REST API 和 Python API。
• MCP 接入：将记忆查询、上下文组装、读取、写入和删除能力封装为标准 MCP Tool，并通过 MCP Resource 提供状态及记忆资源访问能力。
• 可靠性与安全控制：支持乐观锁、原子写入、异步索引重试、多租户隔离、角色权限和审计记录，避免并发更新及越权访问导致的记忆异常。

特性增强 ​

无。

特性约束 ​

oGMemory 特性规格约束如下：

依赖关系 ​

• 向量数据库特性
• oGMemory具体介绍
• AGFS 文件存储服务，或者兼容的 openGauss/PostgreSQL SQL 存储后端
• 大语言模型服务，用于记忆识别、抽取、合并和会话状态压缩
• Embedding 模型服务，用于记忆向量化及语义检索
• MCP Python SDK，用于启用 MCP Tool 和 MCP Resource 接入
• 对应 Agent 的插件或 MCP 客户端，用于将 oGMemory 能力接入 Agent