sachitrafa/yourmemoryエビングハウスの忘却曲線による減衰を採用したエージェント型AIメモリ。Mem0と比較してLoCoMoでのリコールが16pp向上。
AIエージェントのための持続的で自己改善する記憶 — 人間の記憶の科学に基づいて構築されました。
毎朝、あなたのAIエージェントはあなたを他人扱いします。同じコンテキストを再説明され、同じ好みを忘れられます。毎回のセッションはゼロから始まります。
ほとんどの「メモリ」ツールはベクターデータベースをエージェントに取り付けて完了と呼びますが、それは単なるストレージです。ニアデュプリケートをため込んで、検索がノイズに溺れるまでになります。より大きなボウルを持った金魚です。
YourMemoryは違います：データベースではなく、脳のように機能するメモリです。
flowchart LR
A["🧠 You tell your<br/>AI something"] --> B["Extract durable<br/>facts"]
B --> C["Dedup + embed<br/>+ graph-link"]
C --> D[("Memory<br/>store")]
D -->|"related facts pile up"| E["✨ Consolidate<br/>N → 1 summary"]
D -->|"stale + unused"| F["📉 Decay<br/>+ prune"]
D -->|"new session"| G["♻️ Recall<br/>hybrid + graph"]
E --> D
G --> H["🤖 Your agent<br/>picks up where<br/>it left off"]
style D fill:#0a2540,stroke:#19cdff,color:#fff
style E fill:#0c2b3a,stroke:#5eead4,color:#fff
style H fill:#0c2b3a,stroke:#19cdff,color:#fff
| 機能 | 説明 | |
|---|---|---|
| 🧠 | 統合 | 十分な関連事実が蓄積されると、1つのクリーンなサマリーに圧縮され、元のものはアーカイブされます。メモリは時間とともにより鮮明になり、肥大化しません。 |
| 📉 | 生物学的減衰 | すべての記憶はエビングハウスの忘却曲線に従って老化します。古くて使われない事実は薄れ、重要で頻繁に想起されるものは持続します。 |
| 🔗 | エンティティグラフ | 記憶は共有する人、場所、概念でリンクされます。そのため、想起はあなたが聞き忘れたことも表面化させます。 |
| ♻️ | コンテキストリセットに耐性 | コンテキストウィンドウが圧縮されると、YourMemoryは作業中のコンテキストを返します — どこまで進んだかを知るためにファイルを読み直す必要はありません。 |
| 🔒 | 改ざん防止監査証跡 | すべての読み取り/書き込み/削除はハッシュチェーン台帳に記録されます。1つのレコードを改ざんするとチェーンが壊れます。 |
| 👥 | チームメモリプール | ロールベースの共有メモリにより、チーム全体のエージェントが同じ組織の知識を活用でき、プライベートな記憶は非公開のままです。 |
| 🛡️ | データ権限を内蔵 | ワンコマンドでエクスポート（アクセス権）と忘れる権利（パージ）、さらにSOC 2準拠の制御機能を備えています。 |
| 🔌 | MCPネイティブ＆ローカルファースト | Claude、Cursor、Cline、Windsurf、または任意のMCPクライアントで動作します。完全にマシン上で実行 — APIキー不要、何もシステム外に出ません。 |
インストールは1コマンド。デフォルトはDuckDB（セットアップ不要）、チーム向けにPostgres + pgvector。
3つの外部データセット。すべての数値は独立して再現可能 — ベンチマークコードはリポジトリにあります。完全な方法論はBENCHMARKS.mdにあります。
xychart-beta
title "Recall@5 · LoCoMo-10 (高いほど良い)"
x-axis ["Mem0", "Zep Cloud", "Supermemory", "YourMemory"]
y-axis "Recall@5 percent" 0 --> 70
bar [18, 28, 31, 59]
Zep Cloudよりも2倍高い再現率を全10サンプルで達成。*SupermemoryとMem0はベンチマーク中に無料枠のクォータを使い切りました。スコアは全1,534ペアで計算されています。
長期記憶の最も厳しい標準ベンチマーク。各質問は約53のディストラクターセッションに埋もれています。
| 指標 | スコア |
|---|---|
| Recall@5 (トップ5にいずれかのゴールドセッション) | 89.4% |
| Recall-all@5 (トップ5にすべてのゴールドセッション) | 84.8% |
| nDCG@5 (ランキング品質) | 87.4% |
| システム | BOTH_FOUND@5 |
|---|---|
| YourMemory (ベクター + BM25 + エンティティグラフ) | 71.5% |
| YourMemory (エンティティエッジなし) | 59.5% |
エンティティグラフのエッジは**+12ポイント**を追加 — Fact 2の埋め込み類似度がクエリに対して低くてもFact 1からFact 2へとトラバースします。
解説: AIエージェントのための記憶減衰を構築しました（エビングハウスの忘却曲線を使用）
Python 3.11–3.14。Docker不要、データベース設定不要。すべてのメモリはローカルの~/.yourmemory/に保存されます。
pip install yourmemory
yourmemory-register <your-token>
yourmemory-setup
トークンを取得: yourmemoryai.xyz にアクセス → メールアドレスを入力 → 6桁のコードで確認 → トークンをコピー。
yourmemory-setupは自動検出し、Claude Code、Claude Desktop、Cursor、Windsurf、Clineを接続してから、使用するバックエンドを尋ねます：
DATABASE_URLを指定 (pgvector拡張が必要)オプション — よりスマートなローカル抽出: YourMemoryは組み込みのヒューリスティックでそのまま動作します。より高品質で完全にローカルな事実抽出には、Ollamaをインストールすると、
yourmemory-setupが自動的にモデル（qwen2.5:7b、約4.7GB）をプルします。クラウドがお好みですか？YOURMEMORY_EXTRACT_BACKEND=anthropicを設定してください。
pipを使いたくないですか？お使いのプラットフォーム用のスタンドアロンバイナリを最新リリースから入手してください：
| プラットフォーム | アセット |
|---|---|
| macOS (Apple Silicon) | yourmemory-macos-arm64.tar.gz |
| macOS (Intel) | yourmemory-macos-x86_64.tar.gz |
| Linux (x86-64) | yourmemory-linux-x86_64.tar.gz |
| Windows (x86-64) | yourmemory-windows-x86_64.exe.zip |
# macOS / Linux — download, extract, run
tar -xzf yourmemory-macos-arm64.tar.gz
./yourmemory-macos-arm64 register <your-token>
./yourmemory-macos-arm64 setup
./yourmemory-macos-arm64 # start the server
1つの実行ファイルがすべてのコマンドを処理します：register、setup、ask "<question>"、path、そして（引数なしで）サーバーを起動します。
完全に自己完結＆オフライン — バイナリにはPython、すべての依存関係、そして両方のMLモデル（埋め込みモデル + spaCy）がバンドルされています。初回実行時にダウンロードされるものはありません。トレードオフはサイズ（約2GB）です。単一のコマンド — ./build-binary.sh — で独自のバイナリをビルドでき、マルチプラットフォームのリリースバイナリはビルドワークフローによって自動生成されます。
YourMemoryはメモリを生きたシステムとして扱います — 脳と同じように成長し、統合し、忘れ、つながります。
ほとんどのメモリツールはただ増え続けるだけです。YourMemoryは関連する事実のクラスターを監視し、十分に蓄積されると、それらを1つのクリーンなサマリーに圧縮 — 元のものはアーカイブ（決して削除しないため、何も失われません）。
flowchart LR
subgraph before [Related facts pile up]
A1["Railway uses Nixpacks"]
A2["Railway on Pro plan"]
A3["Railway env vars hold<br/>the Postgres URL"]
A4["Deploys on Railway<br/>with Postgres"]
end
before --> C{"cluster +<br/>LLM summarize"}
C --> S["✨ Summary<br/>Deploys on Railway (Pro,<br/>Nixpacks) with Postgres<br/>via env vars"]
C -.->|"archived, recoverable"| ARC[("archive")]
style S fill:#0a2540,stroke:#5eead4,color:#fff
style C fill:#0c2b3a,stroke:#19cdff,color:#fff
あるプロダクションストアからの実際の例：444の記憶 → 16のサマリー — 同じ知識で、ノイズのごく一部。統合はイベント駆動型（関連記憶が蓄積されたときにトリガー）、盲目的な夜間ジョブではありません。
記憶の強度は指数関数的に減衰します。重要度と想起頻度がその減衰を遅らせます：