介绍
moomem 是 MoonBit 生态的嵌入式 Agent 记忆层：给 LLM Agent 配一本跨会话笔记本——add 提取事实并落盘，recall 用混合检索召回，按 user_id 结构隔离，进程重启后仍可恢复。
解决什么问题
LLM 是状态函数：每次推理只依赖本轮上下文，窗口关闭或进程结束后一切归零。MoonBit 生态已有向量库、BM25、LLM 调用与 RAG 框架，但缺少可持久化的记忆实现——例如 moon-agent 的 BufferMemory 仅存在于进程内。
moomem 的定位是：嵌入式零部署库，不是服务端记忆平台。
典型场景
- 偏好记忆：用户说「我对花生过敏」→ 次日推荐午餐前
recall注入相关事实。 - 事实变更：用户说「我搬到深圳了」→ 冲突判定将旧住址置为
Superseded，检索不再返回。 - 多用户隔离：同一记忆库内不同
user_id的事实物理分片；无「全库检索」接口，跨用户命中在结构上不可能。
核心能力
- 两行接入：
MemoryStore::open+add/recall（公开方法面 ≤ 6） - 默认零 API Key：嵌入 / 提取 / 冲突均为可注入 trait
- 混合检索：向量 + BM25；缺省查询自适应融合（
AdaptiveLexical，可回退等权 RRF） - 双槽快照持久化，崩溃可恢复
- 可选
src/llm_extractor对接 OpenAI 兼容端点
相对竞品（短对照）
更深调研见仓库 docs/resources/。