← 返回资源目录L 
卡片:AIHub 编辑制作(视觉素材来自各产品官方渠道)
获取资源查看文档 ↗
Lemmalog
社区出品开源MITMCP把 Agent 记忆做成可证明、可溯源的 Datalog 演绎数据库:why() 证明树、双时态事实与增量维护,MCP 即插即用。

安装命令
git clone https://github.com/JordyZomer/lemmalog && cd lemmalog
cargo build --release --features mcp
claude mcp add lemmalog -- $(pwd)/target/release/lemmalog-mcp将跳转至 github.com。本站不托管安装包,请遵循目标站点条款。
来源:github.com · 信息以官方页面为准资源简介
Lemmalog(MIT 开源)的论点:Agent 的记忆不该是「比向量库记得更好」,而应是一个演绎数据库——Agent 对自己知道什么建立可验证的模型,用规则机械地推理知识如何变化。基础事实在摄入边界由 LLM 抽取断言,此后一切确定性推导:闭包、时间投影、矛盾候选、相关性扩散;每条事实携带溯源(provenance)可一路指回源对话,每轮对话增量更新派生视图而非重新推导。
工程上同样较真:双时态字段、why() 证明树、置信度 × 溯源的半环注解、实体消解、半朴素增量求值,外加 450 个随机程序的差分测试与解析器 fuzz。交付形态覆盖 Rust crate、MCP server(stdio,12 个工具,支持 Claude Code / Kimi CLI)、REPL 与一个通用 Agent skill——把引擎当作任何长任务的「工作记忆」;仓内设计文档附已实现状态的诚实清单。官方自报基准:MemEval F1 0.487、LoCoMo F1 0.573(其榜单 10 系统中第 2)。须知:概念门槛高、需理解 Datalog 规则语法,面向开发者;基准数字为官方自报;基线采集时最后 push 为 2026-09-02,其后暂缓。
核心能力
- 可证明的记忆:why() 即出证明树,溯源直达源 episode;双时态支持「某时刻为真」查询
- 确定性推理 + 增量维护:分层 Datalog、否定即缺席、半朴素求值,每轮只算变化
- 三种接入:MCP server(12 工具)、REPL 与通用 Agent skill;450 程序差分测试护航
适合谁
Agent 记忆系统开发者与程序化知识推理研究者,需要可解释、可证明的记忆引擎。