# Memvid - AI Agent 单文件记忆层,替代复杂 RAG 和向量数据库 > 将数据、嵌入、搜索结构和元数据打包成单个 .mv2 文件。无需数据库、无服务器,支持多语言 SDK 和跨平台。 ## 一句话定位 Memvid 是一个单文件记忆层,替代复杂的 RAG 管道和服务器级向量数据库。它把数据、embeddings、搜索结构和元数据打包成一个可移动的 `.mv2` 文件,AI Agent 可以直接从文件中快速检索,无需任何后端服务。 ## 核心特性 | 特性 | 说明 | |------|------| | 单文件存储 | 数据 + embeddings + 索引 + 元数据 全在一个文件 | | 无服务器 | 不需要 Postgres、Redis 或向量数据库 | | 模型无关 | 与具体 LLM 无关,任何 Agent 都可使用 | | 离线支持 | 完全本地运行,无需网络 | | 版本化 | 支持时间旅行调试,可回退、重放任意记忆状态 | | 增量写入 | append-only 设计,不修改既有数据 | ## Benchmark | 指标 | 表现 | |------|------| | LoCoMo 准确率 | +35% SOTA | | 多跳推理 | +76% vs 行业平均 | | 时序推理 | +56% vs 行业平均 | | P50 延迟 | 0.025ms | | P99 延迟 | 0.075ms | | 吞吐量 | 比标准方案高 1,372 倍 | ## SDK 与安装 | 语言 | 安装命令 | |------|----------| | CLI | `npm install -g memvid-cli` | | Node.js | `npm install @memvid/sdk` | | Python | `pip install memvid-sdk` | | Rust | `cargo add memvid-core` | ## Rust 快速开始 ```rust use memvid_core::{Memvid, PutOptions, SearchRequest}; fn main() -> memvid_core::Result<()> { let mut mem = Memvid::create("knowledge.mv2")?; mem.put_bytes_with_options( b"Q4 planning discussion...", PutOptions::builder() .title("Meeting Notes") .tag("project", "alpha") .build() )?; mem.commit()?; let resp = mem.search(SearchRequest { query: "planning".into(), top_k: 10, ..Default::default() })?; for hit in resp.hits { println!("{}: {}", hit.title.unwrap_or_default(), hit.text); } Ok(()) } ``` ## Feature Flags | Feature | 功能 | |---------|------| | `lex` | 全文搜索 + BM25 排序 | | `vec` | HNSW 向量搜索 + 本地文本 embeddings | | `clip` | CLIP 图像搜索 | | `whisper` | 音频转录 | | `encryption` | 密码加密胶囊 | | `temporal_track` | 自然语言日期解析 | ## 适用场景 - 长期运行的 AI Agent - 企业知识库 - 离线 AI 系统 - 客户支持 Agent - 个人知识助手 - 可审计 AI 工作流 ## 项目数据 - 15.1k stars / 1.3k forks - 256 commits - Apache 2.0 许可 ## 链接 - GitHub: https://github.com/memvid/memvid - 官网: https://www.memvid.com - 文档: https://docs.memvid.com - 沙盒: https://sandbox.memvid.com --- **分类**:源码 **标签**:文件 · 数据 · memvid **作者**:Xiao.Xi **链接**:https://octohz.com/p/1594