记忆质量层 xinchen03/minta

为 AI 智能体打造的上下文质量层。
你的 AI 会记住东西。Minta 会在它记错的时候告诉你 —— 也会告诉你它有权断言什么。

English · 中文 · 日本語

来自 观猹 的真实用户评价 —— 看看真正在用 Minta 的人怎么说。

⭐ 新版本（2026-08）：open-core v2 —— 记忆引擎 + 研究合规引擎 + 专家领域包，现已支持 DeepSeek Harness 集成（已验证）。

为什么选 Minta

别的记忆系统只管存。Minta 负责验证什么还成立。

记忆有三种时态：它曾经成立，它现在成立，它到今天依然成立。几乎所有记忆系统都在优化第一种。Minta 是为第二种和第三种而生的。

| 别人怎么做 | Minta 怎么做 |
| 「这是跟你相关的记忆」 | 「其中 2 条互相冲突，1 条已过期。真相在这里。」 |
| 永久保存一切 | 检测什么已失效，标记出来，跟你一起决定 |
| 所有记忆一视同仁 | 按类型衰减：偏好比项目状态活得更久 |
| 指望大模型自己想明白 | 生命周期扫描 + 健康分 + 分级闸门（杜绝过度断言） |

同一个智能体，用不用 Minta 的差别

| | 不用 Minta | 用 Minta |
| 某条事实过期了 | 继续沿用旧的真相 | 标记为过期，归档，并展示给你 |
| 两条记忆冲突 | 两条都返回，硬拼在一起 | 把矛盾摆出来；由你决定 |
| 你纠正了智能体 | 下个会话就忘了 | 进收件箱 → 你确认 → 变成规则 |
| 上下文不断膨胀 | 一万条记忆塞进一个提示词 | 按 token 预算打包上下文 |

目录 · 为什么选 Minta · 快速开始 · 功能 · 开放核心 · 基准测试 · DeepSeek Harness · 路线图

产品界面

完整的 Minta 工作区（Personal Context Layer，V8.3 引擎 UI）。你看到的这些层——研究驾驶舱、专家推断、记忆健康——对应下面引擎的分层；开源核心发行版提供记忆中枢 UI，其余部分通过同一套 API 激活。

| Context Hub —「别再反复给你的 AI 做入职培训」 | Context Draw — 3D 知识图谱 + 卡片召回 |
| Context Health — 生命周期仪表盘（衰减/冲突一眼看清） | Inbox — 确认/丢弃修正，反例复核 |
| Skills Library — 50 个已注册工作流 | Research Workspace — 项目、证据、运行包 |

三层，一个引擎：

L1 Memory governance → stale / conflict / redundant / fragile, found not stored
L2 Expert knowledge → rules promoted from your corrections, domain-typed
L3 Claim gates → the agent cannot claim a stage it never did (math-model
/ research workflows) — with calibrated confidence

快速开始

60 秒。 本地优先，不依赖云端，开源核心无需 API 订阅。

git clone https://github.com/xinchen03/minta.git
cd minta
python -m pip install -r server/requirements.txt
python minta_cli.py start # API :8772 · Autopilot :18730 · MCP :18721

或者用 Docker：docker compose up -d。然后连接你的智能体：

docker compose 固定构建 Dockerfile.web（业务服务：8772/18721）；仓库根 Dockerfile 默认目标为 AMC 评测容器（见 README_AMC.md），两者互不影响。

any MCP-capable editor/agent — Claude Code / Codex / Cursor / dsh
python minta_cli.py connect claude
DeepSeek Harness: dsh plugin --profile web add @xxinchen/dsh-plugin (or connect via MCP → docs/dsh-integration.md)

Web UI 打开地址是 http://127.0.0.1:8772 —— 记忆健康仪表盘、3D 知识图谱、收件箱复核、专家面板。

首次写入/搜索记忆时，sentence-transformers 会加载默认嵌入模型（all-MiniLM-L6-v2，自动下载）。把 MINTA_EMBEDDING_MODEL 指向本地模型路径，或者把 MINTA_EMBEDDING_BACKEND 切换到 API 后端。

💡 中国大陆加速：使用 pip 镜像（-i https://pypi.tuna.tsinghua.edu.cn/simple），下载模型时设置 HF_ENDPOINT=https://hf-mirror.com（或者把 MINTA_EMBEDDING_MODEL 指向本地模型）。用 Docker 的话，docker compose up -d 已内置全部依赖 —— 无需逐个下载。

配置与密钥（首次运行）

cp .env.example .env # then edit secrets
python -c "import secrets; print('MINTA_API_KEY=minta_'+secrets.token_hex(32))" # generate a secure key
注册密钥：光有 minta_ 前缀还不够——只有当密钥存在于 keys 表中，API 才会接受它。引擎运行期间，在 Web UI 里创建记录（Settings → API keys），或者用 user token 调用 POST /api/keys。写路径工具（inbox、write_context）需要已注册的密钥；读工具不需要。

| 变量 | 默认值 | 作用 |
| MINTA_DATABASE_URL | sqlite:///./minta.db | 零配置 SQLite；改一行就能切到 MySQL |
| MINTA_JWT_SECRET | （必须设置） | 会话签名密钥——自己生成，别复制 |
| MINTA_API_KEY | 首次运行时自动生成 | 程序化访问 + MCP（连接你的编辑器 → python minta_cli.py connect claude） |

完整变量参考、SMTP、CORS、功能开关 → docs/configuration.md。
各编辑器的智能体集成 → docs/mcp-integration.md。

功能

| 层 | 功能 | 你能得到什么 |
| 记忆 | 语义搜索——POST /api/search（本地向量、按用户隔离、compact → full → pack 逐级披露） | 每次写入自动建索引；找到的是你的记忆，不是别人的 |
| 记忆 | 生命周期引擎（衰减/冲突/冗余/碎片化） | 质量检查按计划跑，不靠信仰 |
| 纠错闭环 | Inbox + 反例捕获（钩子：SessionStart → UserPromptSubmit → PostToolUse → Stop） | 你纠正过的内容会变成规则——经你确认之后 |
| 专家领域 | 多领域规则（踝/膝/颈椎损伤、ISO9001、PRISMA……）+ CUMCM 分阶段工作流 | 带领域类型的推理，附信任度指标 |
| 研究 | 稿件清单 + 合规规则评估器 | 「这份草稿过得了目标期刊的检查清单吗？」——在投稿之前 |
| 元认知 | 保形置信度（已校准、数据锁定） | 智能体说出它知道什么，并给出覆盖率保证 |
| 交付 | Dist Web UI + MCP（13 个核心工具；专家/对话层在企业侧）+ DSH 插件已验证 | 三个入口，一份记忆 |

开放内核：代码开放，资产锁定

| 本仓库内（Apache-2.0，免费） | 通过 API key / 企业许可 |
| 记忆引擎——完整、可运行 | 托管引擎 + 监控 |
| 质量内核算法（保形、规则提升、DGM、编译器） | 全精度：自动校准、私有领域 |
| 研究合规引擎 + 领域包（CUMCM 阶段） | 运动医学 / 临床包 |
| Web dist · MCP · DSH 集成 · 12 篇指南 | 数据飞轮：校准集、权重、规则库 |

上述托管层级属于路线图功能——开放内核始终是一套完整、可运行的记忆系统。

工具面说明：开放版 MCP 服务器只暴露 13 个可用的 Community 工具。专家/对话工具只由包含对应后端的部署注册，所以 Community 用户永远不会看到死工具。

基准测试

| 检测项 | 指标 | 得分 | Mem0 | Hindsight |
| 冲突 | F₁ | 0.81（留出集，5 个未见领域） | N/A | N/A |
| 陈旧 | UFA | 0.86（12 个事实对模板） | N/A | N/A |
| 冗余 | 压缩 RR | 0.67（25 个簇） | N/A | N/A |
| 碎片化 | MCR | 0.746（15 个片段集） | N/A | N/A |
| 检索（LoCoMo） | Recall@20 | 97.1% | — | — |

研究优先

Minta 最初是研究工作流的记忆层——文献笔记、稿件清单、期刊合规、结论门控的论断追踪。见 runtime/compliance/ 和 docs/interaction-guide.md。描述这套框架的稿件（记忆质量；数据治理）正在准备中。

配套的执行技能（Apache-2.0，独立仓库）：nature-skills —— 阅读、图表、引用、润色。

DeepSeek Harness

已验证的集成（2026-08）：dsh plugin --profile web add @xxinchen/dsh-plugin 用 2 分钟把 Minta 接入 DSH —— 插件为本地运行的引擎组合出官方 dsh-mcp-client 行（提供 13 个可用的 Community 工具）。也支持手动插入 cordis.patch.yml；见 docs/dsh-integration.md。插件还附带 minta 智能体预设（逐轮记忆协议）：把 dsh-plugin/presets/minta 复制到 ~/.dsh/.agent-presets/，然后在会话选择器里选中它。

构建与贡献

python -m pytest server/tests/ # server test suite
python scripts/check_public_boundary.py # verify the public-source boundary

欢迎 good-first-issue PR：entity_linker 英文模式、更丰富的演示场景。更多内容见 CONTRIBUTING.md。

指南

交互指南 · 启动顺序 · DSH 集成 · 配置 · 用户指南 · MCP 集成

数据与隐私

- 本地优先：数据库、向量和日志都留在你的机器上。匿名遥测默认关闭；明确选择开启后，只发送安装 id、版本、操作系统和事件名——绝不发送记忆内容。
- 数据导出 / 删除：GET /api/user/export-data · DELETE /api/user/delete-data（需认证）。
- 密钥：首次运行时生成到 .minta_api_key（绝不提交）；除非显式配置，特权 API 默认关闭。
- 披露政策见 SECURITY.md。

愿景：接下来往哪走

记忆是简单的那部分；真相才是产品。智能体时代已经有大量「记住更多」的系统。瓶颈恰恰相反——AI 自信地给出陈旧、被推翻或未经证实的论断。Minta 的答案是上下文质量层：记忆知道自己的健康状况（stale / conflict / redundant / fragile），专家层知道自己的边界（校准后的覆盖度），论断门控知道实际做了什么。长期论点：
- 个人：每个 AI 助手、每个会话都从一个上下文中枢起步，它已经懂你——不用再给你的 AI 重新做入门引导。
- 团队 / 企业：记忆、专长、合规检查在研究组或临床科室之间共享——带审计轨迹和治理报告。
- 垂直领域：运动医学、临床分诊、制造业专家包，叠在同一套引擎上，由用户的纠正来调优（数据飞轮）。

路线图

- 2026 Q4 — 托管 API（全精度、监控）、运动医学领域包、npm 插件 v1 发布
- 2027 Q1 — 企业私有部署 + 治理审计报告；SME（结构映射）引擎公开
- 2027 — 多智能体共享记忆工作区（团队上下文层）

社区与联系

- 🐛 GitHub Issues — bug、功能请求（我们回复很快）
- 💬 GitHub Discussions — 提问、RFC、展示你的成果
- 📧 联系：xxinchen03@gmail.com（直接联系；研究合作、咨询）是这个仓库主张的可公开佐证；每次发布都欢迎在 HackerNews/DSH 插件讨论区交流。

给我们点星

🔭 如果 Minta 帮你省下一小时，给它一颗 ★。 一次点击，三秒钟——它会让下一位贡献者、集成者、期刊审稿人知道，这个实验值得他们关注。

参考与源流

这些想法从哪来（以及 Minta 有何不同）：

| 工作 | Minta 借鉴了什么 | Minta 有何不同 |
| Mem0 / MemOS | 记忆存储 + 混合检索 | 它们只存储；Minta 会验证质量（衰减、冲突、冗余、碎片化） |
| Vovk (2005)，conformal prediction | 无分布覆盖保证 | 用作元认知闸门，而不只是估计器 |
| JEPA (LeCun) | 在潜空间预测，而非原始空间 | 领域规则 > JEPA——只有历史存在时预测才会触发 |
| Ebbinghaus 式衰减（MemoryBank 等） | 时间感知的遗忘 | 按类型区分半衰期：偏好 > 项目状态 |
| Paperclip 文档维护 | 审计驱动的维护 | 同样的纪律，现在用于 AI 记忆，而非文件 |

许可证

Apache-2.0。上游打包资源保留各自的许可证——若日后添加，见 skills/ 中的说明。