我构建了一个用于AI助手的开源记忆治理层 - 寻求技术反馈 [P]

我一直在开发一个名为 MemoryOps AI 的项目。我试图解决的问题是 AI 代理中的上下文债务。大多数记忆演示看起来像这样：聊天消息 → 向量数据库 → 稍后检索 这在演示中有效，但我认为生产环境的代理需要的不只是检索。它们需要规则来确定哪些记忆可以被保留、哪些应该过期、哪些应该被阻止、哪些可以更新、以及哪些必须被审计。MemoryOps AI 将记忆视为受治理的状态。生命周期是：捕获 → 评估 → 存储 → 检索 → 排序 → 组合 → 更新 → 遗忘 → 审计 我内置的一些功能： - 存储前策略，因此敏感/秘密类内容在记忆保存前被过滤 - 类型化记忆，而非单一通用记忆桶 - 租户隔离 - 删除保证 - 存储记忆的溯源 - 仅追加审计日志 - 保留策略 - 法律保留 - 基于同意的记忆 - 用于生命周期任务的后台工作器 - 一个用于测试记忆行为的小型游乐场/演示 我发布这个不是作为一个 polished 的公司发布。我主要想从构建代理、RAG 系统、评估或 AI 基础设施的人那里获得反馈。我试图回答的问题是： - AI 记忆系统应该被允许记住什么？ - 旧记忆应该如何过期或被覆盖？ - 你如何测试已删除的记忆永远不会影响未来的输出？ - 在信任真实助手中的记忆之前，你期望哪些不变量？ GitHub: https://github.com/patibandlavenkatamanideep/memoryops-ai 演示: memoryops-ai-production.up.railway.app 非常感谢任何技术反馈，特别是关于记忆生命周期设计、治理和评估方面的。