描述
CheeseDB 是一个专门为 AI 内存管理设计的数据库引擎,强调来源可追溯性和选择性遗忘。与传统数据库不同,CheeseDB 确保每条信息或“记忆”都直接链接到其原始来源。这一基本设计解决了 AI 代理开发中的一个关键问题:当识别出不可信来源时,仅仅删除来源是不够的;所有从中派生的记忆也必须被清除,以防止代理继续基于错误、恶意或私人数据进行操作。
阅读更多
该引擎允许用户和 AI 代理使用简单的英语查询与记忆进行交互。利用嵌入模型,CheeseDB 通过意义查找记忆,消除了对精确关键词匹配的需求。当记忆被回忆时,它会从搜索结果中永久移除,确保代理仅访问有效信息。该系统支持多种与 OpenAI 兼容的嵌入服务器,包括本地选项如 Ollama、LM Studio、oMLX 和 vLLM,或托管 API,允许用户将其记忆保存在自己的机器上以增强隐私。
在底层,CheeseDB 将每条记录结构化为三个部分:用于 ID 和哈希链的头部、用于类型和来源依赖的结构,以及内容本身。这种架构确保即使内容被删除,历史和依赖关系仍然可验证,保持记忆链的完整性。在删除操作中,内容及其搜索向量是唯一被移除的部分,使得删除在文件中真正永久。
对于开发者,CheeseDB 提供了一个 Go 库以便直接集成,以及一个本地 MCP 服务器用于 Claude Code 和 Cursor 等应用。它提供创建索引、嵌入数据和搜索的工具。命令行工具允许轻松安装和交互,包括一个 `find` 命令以验证已删除文本是否真的消失。虽然目前处于预览阶段,CheeseDB 非常适合那些 AI 代理从不可信来源学习、需要深度链回忆、需要简单英语搜索、要求可验证数据删除或与 MCP 应用集成而无需大量编码的场景。该产品在 macOS 上开发,并在 Linux 上测试,Windows 支持尚待推出。名称“CheeseDB”灵感来自食品安全实践,其中受污染的牛奶批次导致特定奶酪轮的召回,反映了数据库如何召回与不良来源相关的记忆。
- 类别向量数据库与检索
- 部署嵌入式
- 平台macOS, Linux
CheeseDB的核心功能
针对 AI 代理的来源感知内存管理
使用简单英语查询记忆
通过描述要删除的内容实现选择性遗忘
哈希链内存数据库以确保数据完整性
用于直接集成的嵌入式 Go 库
用于 Claude Code、Cursor 和其他 MCP 应用的本地 MCP 服务器
支持与 OpenAI 兼容的嵌入服务器(Ollama、LM Studio、oMLX、vLLM)
通过意义而非关键词进行记忆搜索
可验证的内容删除,同时保留历史
仅附加段用于磁盘上的代理数据
从日志重建家族树、腿计数器和偏移表
用于交互和验证的命令行工具
在 macOS 上开发并在 Linux 上测试
核心功能无需外部模型或网络
通过存储记忆 ID 与现有向量存储集成
如何使用 CheeseDB?
安装 CheeseDB:使用 `go install github.com/govinargo-labs/cheesedb/cmd/cheesedb@latest` 获取命令行工具。
配置嵌入模型:在 `~/.cheesedb/llm.conf` 中添加两行以指定您的 OpenAI 兼容嵌入服务器(例如,Ollama、LM Studio)。
记住记忆:新记忆在被记住时变得可搜索;使用 `cheesedb embed alice` 来补充旧记忆。
搜索记忆:使用 `cheesedb search [agent_name] "你的问题?"` 用简单英语提问以找到相关记忆。
获取答案:使用 `cheesedb ask [agent_name] "你的问题?"` 让聊天模型从最近的记忆中回答。
忘记记忆:使用 `cheesedb forget [agent_name] "描述"` 描述要忘记的内容;在审核后确认删除。
验证删除:使用 `cheesedb find` 搜索原始字节,确认已删除文本确实从文件中消失。
CheeseDB的使用案例
- 管理不可信的 AI 来源
- 深度链记忆回忆
- 简单英语记忆搜索
- 可验证的数据删除
- 与 MCP 应用集成
- 嵌入式 Go 库解决方案
- 防止记忆中毒
- 处理用户数据删除请求





