Agent Memory System产品系统Vibe Coding

为 AI Agent 提供持久化记忆的混合检索系统。支持语义向量搜索 + 关键词精确匹配，通过 REST API 和 MCP 协议接入任意 AI 工具。

本项目是一个为 AI Agent 提供持久化记忆和代码理解能力的混合检索系统。主要包含以下功能模块：

混合记忆检索模块：基于 ChromaDB 实现语义向量搜索，结合 SQLite (FTS5) 实现关键词与元数据精确匹配，为 Agent 提供精准的历史记忆检索能力。
上下文智能压缩模块：集成 Headroom 引擎，能对 JSON、日志等高冗余数据进行智能压缩，在 LLM 固定的 Token 预算内注入数倍的记忆条目，并支持无损逆向取回原文。
代码知识图谱模块：内置 Graphify 引擎，利用 AST 解析（Tree-sitter）将整个代码库转化为结构化知识图谱（包含调用、继承、引用等关系），支持 Agent 进行死代码检测、调用链追踪和 blast radius 分析。
多通道接入模块：同时提供长驻的 REST API 服务与 MCP (Model Context Protocol) Server，支持通过标准 stdio 或 HTTP 协议无缝接入 Claude、Codex、Reasonix 等主流 AI 终端。
Web 面板模块：提供基于 Next.js 的可视化 Dashboard，支持记忆快照管理、图谱 3D 可视化交互、数据备份/恢复以及后台同步任务的进度监控

我在该项目中负责了核心架构的设计、后端混合检索引擎的研发，以及图谱增量更新与 MCP 协议的深度集成。 核心技术栈：Python (FastAPI, LiteLLM), ChromaDB, SQLite, Next.js, Docker。 架构亮点与难点：

单一数据所有者架构：为解决多进程并发读写向量库导致的句柄失效（Stale-handle）问题，设计了统一由 backend 容器管理数据卷的方案，其他 MCP 终端进程以隔离容器的方式共享访问，彻底保证了数据一致性。
代码库增量同步 (Incremental Sync)：实现大型项目的全量 AST 解析和向量化是非常耗时的难点。为此实现了基于文件哈希的增量更新机制，仅对变更的代码文件进行重计算与局部图谱重建，将同步耗时从分钟级大幅缩减至秒级。
无缝的双轨通信机制：实现了 REST API 和 MCP 工具的双轨并行。MCP Server 突破了仅限本机的 stdio 限制，通过暴露 Streamable HTTP 端口，使得局域网或远端的各种 AI Client 都能稳定接入，极大提升了系统的部署灵活度。