Đây là MCP mã nguồn mở lưu trữ các cuộc trò chuyện với AI hoặc tài liệu vào Sqlite hay PostgreSQL.
Điểm khác biệt so với LLM Wiki hoặc các bộ nhớ khác là khả năng chia sẻ và tìm kiếm bộ nhớ giữa các AI.
Có thể chia sẻ công việc ở nhà và công việc tại văn phòng trong cùng một bộ nhớ. Hoặc cũng có thể chia sẻ kết quả công việc giữa các thành viên trong nhóm trong cùng một bộ nhớ.
Dữ liệu được chuyển đổi bằng Graph+RAG rồi lưu vào DB.
Graph ở đây là Event-Centric Knowledge Graph (ECKG), và đặc điểm là không định trước schema quan hệ như các graph khác. Nó tiếp tục phát triển dần khi dữ liệu được tích lũy.
Bạn có thể cài đặt bằng cách giải nén tệp nén đã được tạo rồi chạy, hoặc tự cài đặt trực tiếp từ mã nguồn mở.
Khi giải nén và chạy tệp, trình quản lý sẽ được khởi chạy.
Chỉ cần chọn DB để lưu trữ và chọn AI sẽ cài MCP, còn lại mọi thứ sẽ được tiến hành tự động.
Cũng đã kèm theo Sample DB nên sau khi cài đặt bạn sẽ dễ dàng kiểm tra cách nó hoạt động thực tế.
Sample DB gồm tài liệu Wikipedia về The Beatles không có vấn đề bản quyền và tiểu thuyết nguyên tác Sherlock Holmes. (Dù là tiếng Anh nhưng vẫn có thể tìm kiếm bằng ngôn ngữ khác.)
Xin cảm ơn.
7 bình luận
Ồ, ý tưởng hay đấy, tôi cũng sẽ phải nghĩ xem có thể tận dụng cái này như thế nào.
Cảm ơn bạn.
Điểm khác biệt so với Context Mode hoặc AgentMemory là gì?
Xin chào. Cảm ơn bạn đã quan tâm.
Nhờ lời của smaker mà tôi mới lần đầu biết đến AgentMemory.
Nếu biết trước thì có lẽ tôi đã không làm Mweft.
Điều may mắn là khi kiểm tra AgentMemory, có vẻ như định hướng và công nghệ bên trong của nó khác với Mweft.
Trước hết, mweft được tạo ra với cộng tác là nền tảng. Có vẻ AgentMemory cũng có tính năng cộng tác, nhưng do khác biệt về định hướng nên cấu trúc bên trong có vẻ khác nhau.
mweft là công cụ hỗ trợ để giúp cho kết quả đầu ra tốt hơn. Ngay cả graph hay RAG cũng tập trung vào việc tìm mối liên hệ hơn là sự chặt chẽ tuyệt đối. AgentMemory cũng có cấu trúc graph, nhưng có vẻ mweft có cách tiếp cận khác.
AgentMemory có vẻ được tạo ra với mục tiêu là AI lập trình. Vì vậy độ chính xác có lẽ rất quan trọng. Mweft thì có thể sai. Nó dùng để đưa ra gợi ý cho AI hoặc con người tự đi tìm thêm.
Phân tích của tôi có thể không đúng. Nếu bạn có thể cho lời khuyên thì tôi sẽ rất cảm kích và sẵn sàng lắng nghe.
Xin cảm ơn.
Chế độ Context thuần túy dùng cho bộ nhớ, nên có điểm khác biệt so với Mweft vốn hướng đến mục đích cộng tác.
Ủa, dùng Codex là được rồi mà đúng không ạ?
Xin chào. Cảm ơn bạn đã quan tâm.
Tôi chưa dùng Codex nhiều nên sẽ trả lời trong phạm vi mình biết. Có thể có chỗ chưa chính xác.
Trước hết, Mweft không phải là để chia sẻ kết quả đầu ra của công việc.
Nó chia sẻ những nội dung xuất hiện trong quá trình trao đổi với AI ở từng giai đoạn. Với kết quả đầu ra của công việc, bạn cần dùng các công cụ khác như Git. Vì đây là chia sẻ nội dung ở giữa quá trình chứ không phải kết quả cuối cùng, nên có thể theo dõi được luồng công việc.
Ngoài ra, tính năng này còn được hỗ trợ bằng graph + RAG.
Mweft cũng có thể chia sẻ công việc giữa Claude, Codex và Gemini CLI.
Cảm ơn bạn.