# mnem-cli - Doramagic AI Context Pack

> 定位：安装前体验与判断资产。它帮助宿主 AI 有一个好的开始，但不代表已经安装、执行或验证目标项目。

## 充分原则

- **充分原则，不是压缩原则**：AI Context Pack 应该充分到让宿主 AI 在开工前理解项目价值、能力边界、使用入口、风险和证据来源；它可以分层组织，但不以最短摘要为目标。
- **压缩策略**：只压缩噪声和重复内容，不压缩会影响判断和开工质量的上下文。

## 给宿主 AI 的使用方式

你正在读取 Doramagic 为 mnem-cli 编译的 AI Context Pack。请把它当作开工前上下文：帮助用户理解适合谁、能做什么、如何开始、哪些必须安装后验证、风险在哪里。不要声称你已经安装、运行或执行了目标项目。

## Claim 消费规则

- **事实来源**：Repo Evidence + Claim/Evidence Graph；Human Wiki 只提供显著性、术语和叙事结构。
- **事实最低状态**：`supported`
- `supported`：可以作为项目事实使用，但回答中必须引用 claim_id 和证据路径。
- `weak`：只能作为低置信度线索，必须要求用户继续核实。
- `inferred`：只能用于风险提示或待确认问题，不能包装成项目事实。
- `unverified`：不得作为事实使用，应明确说证据不足。
- `contradicted`：必须展示冲突来源，不得替用户强行选择一个版本。

## 它最适合谁

- **正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**：README 或插件配置提到多个宿主 AI。 证据：`README.md` Claim：`clm_0002` supported 0.86

## 它能做什么

- **命令行启动或安装流程**（需要安装后验证）：项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 证据：`README.md`, `docs/src/install.md`, `docs/src/quickstart.md` Claim：`clm_0001` supported 0.86

## 怎么开始

- `pip install mnem-cli         # gives you the` 证据：`README.md` Claim：`clm_0003` supported 0.86
- `pip install mnem-py           # Python library — import with` 证据：`README.md` Claim：`clm_0004` supported 0.86
- `npm install -g mnem-cli` 证据：`README.md` Claim：`clm_0005` supported 0.86
- `npx mnem-cli --version` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `pip install mnem-cli` 证据：`README.md` Claim：`clm_0003` supported 0.86, `clm_0007` supported 0.86
- `git clone https://github.com/Uranid/mnem` 证据：`README.md` Claim：`clm_0008` supported 0.86
- `pip install mnem-py                 # package name on PyPI; import name is pymnem` 证据：`README.md` Claim：`clm_0009` supported 0.86
- `pip install sentence-transformers   # brings ~200 MB of deps (torch, transformers) — one-time download` 证据：`README.md` Claim：`clm_0010` supported 0.86
- `curl -L https://github.com/Uranid/mnem/releases/latest/download/mnem-linux-x86_64.tar.gz | tar xz` 证据：`docs/src/install.md` Claim：`clm_0011` supported 0.86
- `curl http://127.0.0.1:9876/v1/retrieve -d '{"text": "what does this do"}'` 证据：`docs/src/quickstart.md` Claim：`clm_0012` supported 0.86

## 继续前判断卡

- **当前建议**：需要管理员/安全审批
- **为什么**：继续前可能涉及密钥、账号、外部服务或敏感上下文，建议先经过管理员或安全审批。

### 30 秒判断

- **现在怎么做**：需要管理员/安全审批
- **最小安全下一步**：先跑 Prompt Preview；若涉及凭证或企业环境，先审批再试装
- **先别相信**：角色质量和任务匹配不能直接相信。
- **继续会触碰**：角色选择偏差、命令执行、本地环境或项目文件

### 现在可以相信

- **适合人群线索：正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`README.md` Claim：`clm_0002` supported 0.86
- **能力存在：命令行启动或安装流程**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`README.md`, `docs/src/install.md`, `docs/src/quickstart.md` Claim：`clm_0001` supported 0.86
- **存在 Quick Start / 安装命令线索**（supported）：可以相信项目文档出现过启动或安装入口；不要因此直接在主力环境运行。 证据：`README.md` Claim：`clm_0003` supported 0.86

### 现在还不能相信

- **角色质量和任务匹配不能直接相信。**（unverified）：角色库证明有很多角色，不证明每个角色都适合你的具体任务，也不证明角色能产生高质量结果。
- **不能把角色文案当成真实执行能力。**（unverified）：安装前只能判断角色描述和任务画像是否匹配，不能证明它能在宿主 AI 里完成任务。
- **真实输出质量不能在安装前相信。**（unverified）：Prompt Preview 只能展示引导方式，不能证明真实项目中的结果质量。
- **宿主 AI 版本兼容性不能在安装前相信。**（unverified）：Claude、Cursor、Codex、Gemini 等宿主加载规则和版本差异必须在真实环境验证。
- **不会污染现有宿主 AI 行为，不能直接相信。**（inferred）：Skill、plugin、AGENTS/CLAUDE/GEMINI 指令可能改变宿主 AI 的默认行为。
- **可安全回滚不能默认相信。**（unverified）：除非项目明确提供卸载和恢复说明，否则必须先在隔离环境验证。
- **真实安装后是否与用户当前宿主 AI 版本兼容？**（unverified）：兼容性只能通过实际宿主环境验证。
- **项目输出质量是否满足用户具体任务？**（unverified）：安装前预览只能展示流程和边界，不能替代真实评测。

### 继续会触碰什么

- **角色选择偏差**：用户对任务应该由哪个专家角色处理的判断。 原因：选错角色会让 AI 从错误专业视角回答，浪费时间或误导决策。
- **命令执行**：包管理器、网络下载、本地插件目录、项目配置或用户主目录。 原因：运行第一条命令就可能产生环境改动；必须先判断是否值得跑。 证据：`README.md`, `docs/src/install.md`, `docs/src/quickstart.md`
- **本地环境或项目文件**：安装结果、插件缓存、项目配置或本地依赖目录。 原因：安装前无法证明写入范围和回滚方式，需要隔离验证。 证据：`README.md`, `docs/src/install.md`, `docs/src/quickstart.md`
- **环境变量 / API Key**：项目入口文档明确出现 API key、token、secret 或账号凭证配置。 原因：如果真实安装需要凭证，应先使用测试凭证并经过权限/合规判断。 证据：`README.es.md`, `README.md`, `README.zh-CN.md`
- **宿主 AI 上下文**：AI Context Pack、Prompt Preview、Skill 路由、风险规则和项目事实。 原因：导入上下文会影响宿主 AI 后续判断，必须避免把未验证项包装成事实。

### 最小安全下一步

- **先跑 Prompt Preview**：先用交互式试用验证任务画像和角色匹配，不要先导入整套角色库。（适用：任何项目都适用，尤其是输出质量未知时。）
- **只在隔离目录或测试账号试装**：避免安装命令污染主力宿主 AI、真实项目或用户主目录。（适用：存在命令执行、插件配置或本地写入线索时。）
- **不要使用真实生产凭证**：环境变量/API key 一旦进入宿主或工具链，可能产生账号和合规风险。（适用：出现 API、TOKEN、KEY、SECRET 等环境线索时。）
- **安装后只验证一个最小任务**：先验证加载、兼容、输出质量和回滚，再决定是否深用。（适用：准备从试用进入真实工作流时。）

### 退出方式

- **保留安装前状态**：记录原始宿主配置和项目状态，后续才能判断是否可恢复。
- **保留原始角色选择记录**：如果输出偏题，可以回到任务画像阶段重新选择角色，而不是继续沿着错误角色推进。
- **记录安装命令和写入路径**：没有明确卸载说明时，至少要知道哪些目录或配置需要手动清理。
- **准备撤销测试 API key 或 token**：测试凭证泄露或误用时，可以快速止损。
- **如果没有回滚路径，不进入主力环境**：不可回滚是继续前阻断项，不应靠信任或运气继续。

## 哪些只能预览

- 解释项目适合谁和能做什么
- 基于项目文档演示典型对话流程
- 帮助用户判断是否值得安装或继续研究

## 哪些必须安装后验证

- 真实安装 Skill、插件或 CLI
- 执行脚本、修改本地文件或访问外部服务
- 验证真实输出质量、性能和兼容性

## 边界与风险判断卡

- **把安装前预览误认为真实运行**：用户可能高估项目已经完成的配置、权限和兼容性验证。 处理方式：明确区分 prompt_preview_can_do 与 runtime_required。 Claim：`clm_0013` inferred 0.45
- **命令执行会修改本地环境**：安装命令可能写入用户主目录、宿主插件目录或项目配置。 处理方式：先在隔离环境或测试账号中运行。 证据：`README.md`, `docs/src/install.md`, `docs/src/quickstart.md` Claim：`clm_0014` supported 0.86
- **待确认**：真实安装后是否与用户当前宿主 AI 版本兼容？。原因：兼容性只能通过实际宿主环境验证。
- **待确认**：项目输出质量是否满足用户具体任务？。原因：安装前预览只能展示流程和边界，不能替代真实评测。
- **待确认**：安装命令是否需要网络、权限或全局写入？。原因：这影响企业环境和个人环境的安装风险。

## 开工前工作上下文

### 加载顺序

- 先读取 how_to_use.host_ai_instruction，建立安装前判断资产的边界。
- 读取 claim_graph_summary，确认事实来自 Claim/Evidence Graph，而不是 Human Wiki 叙事。
- 再读取 intended_users、capabilities 和 quick_start_candidates，判断用户是否匹配。
- 需要执行具体任务时，优先查 role_skill_index，再查 evidence_index。
- 遇到真实安装、文件修改、网络访问、性能或兼容性问题时，转入 risk_card 和 boundaries.runtime_required。

### 任务路由

- **命令行启动或安装流程**：先说明这是安装后验证能力，再给出安装前检查清单。 边界：必须真实安装或运行后验证。 证据：`README.md`, `docs/src/install.md`, `docs/src/quickstart.md` Claim：`clm_0001` supported 0.86

### 上下文规模

- 文件总数：579
- 重要文件覆盖：40/579
- 证据索引条目：80
- 角色 / Skill 条目：77

### 证据不足时的处理

- **missing_evidence**：说明证据不足，要求用户提供目标文件、README 段落或安装后验证记录；不要补全事实。
- **out_of_scope_request**：说明该任务超出当前 AI Context Pack 证据范围，并建议用户先查看 Human Manual 或真实安装后验证。
- **runtime_request**：给出安装前检查清单和命令来源，但不要替用户执行命令或声称已执行。
- **source_conflict**：同时展示冲突来源，标记为待核实，不要强行选择一个版本。

## Prompt Recipes

### 适配判断

- 目标：判断这个项目是否适合用户当前任务。
- 预期输出：适配结论、关键理由、证据引用、安装前可预览内容、必须安装后验证内容、下一步建议。

```text
请基于 mnem-cli 的 AI Context Pack，先问我 3 个必要问题，然后判断它是否适合我的任务。回答必须包含：适合谁、能做什么、不能做什么、是否值得安装、证据来自哪里。所有项目事实必须引用 evidence_refs、source_paths 或 claim_id。
```

### 安装前体验

- 目标：让用户在安装前感受核心工作流，同时避免把预览包装成真实能力或营销承诺。
- 预期输出：一段带边界标签的体验剧本、安装后验证清单和谨慎建议；不含真实运行承诺或强营销表述。

```text
请把 mnem-cli 当作安装前体验资产，而不是已安装工具或真实运行环境。

请严格输出四段：
1. 先问我 3 个必要问题。
2. 给出一段“体验剧本”：用 [安装前可预览]、[必须安装后验证]、[证据不足] 三种标签展示它可能如何引导工作流。
3. 给出安装后验证清单：列出哪些能力只有真实安装、真实宿主加载、真实项目运行后才能确认。
4. 给出谨慎建议：只能说“值得继续研究/试装”“先补充信息后再判断”或“不建议继续”，不得替项目背书。

硬性边界：
- 不要声称已经安装、运行、执行测试、修改文件或产生真实结果。
- 不要写“自动适配”“确保通过”“完美适配”“强烈建议安装”等承诺性表达。
- 如果描述安装后的工作方式，必须使用“如果安装成功且宿主正确加载 Skill，它可能会……”这种条件句。
- 体验剧本只能写成“示例台词/假设流程”：使用“可能会询问/可能会建议/可能会展示”，不要写“已写入、已生成、已通过、正在运行、正在生成”。
- Prompt Preview 不负责给安装命令；如用户准备试装，只能提示先阅读 Quick Start 和 Risk Card，并在隔离环境验证。
- 所有项目事实必须来自 supported claim、evidence_refs 或 source_paths；inferred/unverified 只能作风险或待确认项。

```

### 角色 / Skill 选择

- 目标：从项目里的角色或 Skill 中挑选最匹配的资产。
- 预期输出：候选角色或 Skill 列表，每项包含适用场景、证据路径、风险边界和是否需要安装后验证。

```text
请读取 role_skill_index，根据我的目标任务推荐 3-5 个最相关的角色或 Skill。每个推荐都要说明适用场景、可能输出、风险边界和 evidence_refs。
```

### 风险预检

- 目标：安装或引入前识别环境、权限、规则冲突和质量风险。
- 预期输出：环境、权限、依赖、许可、宿主冲突、质量风险和未知项的检查清单。

```text
请基于 risk_card、boundaries 和 quick_start_candidates，给我一份安装前风险预检清单。不要替我执行命令，只说明我应该检查什么、为什么检查、失败会有什么影响。
```

### 宿主 AI 开工指令

- 目标：把项目上下文转成一次对话开始前的宿主 AI 指令。
- 预期输出：一段边界明确、证据引用明确、适合复制给宿主 AI 的开工前指令。

```text
请基于 mnem-cli 的 AI Context Pack，生成一段我可以粘贴给宿主 AI 的开工前指令。这段指令必须遵守 not_runtime=true，不能声称项目已经安装、运行或产生真实结果。
```


## 角色 / Skill 索引

- 共索引 77 个角色 / Skill / 项目文档条目。

- **mnem documentation**（project_doc）：- Source : src/ ./src/SUMMARY.md - Build : mdbook build docs/ output to docs/book/ - Online : rendered site link added post-launch 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/README.md`
- **Comparisons**（project_doc）：How mnem stacks up against other agent-memory and knowledge-graph systems. Each comparison is honest: where they win, where mnem wins, when to pick which. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/README.md`
- **Install**（project_doc）：mnem ships a single mnem binary plus optional Python and HTTP daemons. Pick the source that matches your platform. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/install.md`
- **The Problem**（project_doc）：! License: Apache-2.0 https://img.shields.io/badge/license-Apache--2.0-blue?style=for-the-badge LICENSE ! CI https://img.shields.io/github/actions/workflow/status/Uranid/mnem/ci.yml?style=for-the-badge&label=CI https://github.com/Uranid/mnem/actions/workflows/ci.yml ! crates.io https://img.shields.io/crates/v/mnem-cli?style=for-the-badge https://crates.io/crates/mnem-cli ! PyPI https://img.shields.io/pypi/v/mnem-cli… 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README.md`
- **Benchmarks**（project_doc）：Reproducible head-to-head numbers for mnem. Every number ships with the harness, the dataset, and the raw artifacts. If you can't reproduce a number, that's a bug. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`benchmarks/README.md`
- **mnem fuzz harness**（project_doc）：Coverage-guided fuzz targets for mnem's highest-value parsers. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`fuzz/README.md`
- **mnem brand assets**（project_doc）：Minimal, deliberately simple. Two colors, one geometric mark, one wordmark. Everything else is composition. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`assets/logo/README.md`
- **mnem-ann**（project_doc）：Approximate-nearest-neighbour HNSW vector index for mnem. Feature-gated alternative to the built-in brute-force index in mnem-core . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-ann/README.md`
- **mnem-backend-redb**（project_doc）：Production embedded-KV backend for mnem - redb-backed Blockstore and OpHeadsStore . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-backend-redb/README.md`
- **mnem-bench**（project_doc）：Benchmark harness for mnem. Ships the runner, dataset cache, LongMemEval / LoCoMo / ConvoMem / MemBench / hybrid-v4 scorers, the cpu-local mnem adapter, the bundled ONNX MiniLM-L6-v2 embedder, and the mnem bench interactive TUI. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-bench/README.md`
- **mnem-cli**（project_doc）：Command-line interface for mnem - Git for AI Agent Knowledge. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-cli/README.md`
- **mnem-core-testutils**（project_doc）：Shared test fixtures for the mnem workspace. Internal use only; never published to crates.io publish = false in Cargo.toml . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-core-testutils/README.md`
- **mnem-core**（project_doc）：Content-addressed versioned substrate for AI agent memory - the core of mnem. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-core/README.md`
- **mnem-embed-providers**（project_doc）：Embedding-provider adapters for mnem OpenAI, Ollama . Sync, TLS-via-rustls, tokio-free. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-embed-providers/README.md`
- **mnem-extract**（project_doc）：Extraction strategies for mnem ingest pipelines. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-extract/README.md`
- **mnem-graphrag**（project_doc）：Extractive community summarization: Centroid + MMR . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-graphrag/README.md`
- **mnem http**（project_doc）：HTTP JSON API for mnem - REST surface over the core repo operations. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-http/README.md`
- **mnem-ingest**（project_doc）：Ingest pipeline for mnem : converts external source artifacts Markdown, plain text, and - in later sub-waves - PDFs and chat conversations into content-addressed memory graphs. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-ingest/README.md`
- **mnem-llm-providers**（project_doc）：Text-generation adapters for mnem OpenAI chat, Ollama chat for HyDE, multi-query, and future LLM-in-the-loop features. Sync, TLS-via-rustls, tokio-free. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-llm-providers/README.md`
- **mnem mcp**（project_doc）：Model Context Protocol server for mnem - the AI-native, local-first memory substrate for agents. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-mcp/README.md`
- **mnem-ner-providers**（project_doc）：NER provider adapters for mnem. Ships RuleNer heuristic, zero-dependency and NullNer . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-ner-providers/README.md`
- **mnem Python**（project_doc）：Python bindings for mnem https://github.com/Uranid/mnem - Git for AI Agent Knowledge. A persistent, versioned knowledge layer for AI agents. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-py/README.md`
- **mnem-rerank-providers**（project_doc）：Cross-encoder reranker adapters for mnem Cohere, Voyage, Jina . Sync, TLS-via-rustls, tokio-free. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-rerank-providers/README.md`
- **mnem-sparse-providers**（project_doc）：Learned-sparse encoder adapters for mnem SPLADE, BGE-M3-sparse, opensearch-doc-v3-distill . Sync, TLS-via-rustls, tokio-free. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-sparse-providers/README.md`
- **mnem-transport**（project_doc）：Offline transport for mnem: CAR v1 export/import of content-addressed subtrees, plus the frozen shapes of the remote wire protocol. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`crates/mnem-transport/README.md`
- **mnem-cli**（project_doc）：Git for AI Agent Knowledge. A persistent, versioned knowledge layer for AI agents. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`npm-packages/mnem-cli/README.md`
- **mnem-cli pip**（project_doc）：On first run mnem downloads the correct prebuilt binary for your platform from the GitHub release https://github.com/Uranid/mnem/releases and caches it in ~/.mnem cli/ . Subsequent calls run the cached binary directly. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`py-packages/mnem-cli/README.md`
- **Contributing to mnem**（project_doc）：Thanks for your interest. mnem is an early-stage project, and the format spec is deliberately locked down - the whole value proposition is that two independent implementations produce byte-identical objects. This guide exists to keep contributions aligned with that bar. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`CONTRIBUTING.md`
- **mnem Roadmap**（project_doc）：Planned work is tracked in GitHub Issues https://github.com/Uranid/mnem/issues and labelled by phase. The rough arc: 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/ROADMAP.md`
- **mnem Format Specification**（project_doc）：Version: 0.1 Status: canonical - implementations MUST conform. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/SPEC.md`
- **mnem system prompt**（project_doc）：This is the recommended system prompt to add to your agent host Claude Desktop, Claude Code, Cursor, Continue, Zed, Gemini CLI, ... so the LLM uses mnem transparently on every turn - without the user ever having to mention mnem. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/system-prompt.md`
- **Benchmarks**（project_doc）：mnem is measured head-to-head against mem0 and MemPalace on six public datasets. All numbers are reproducible with the shipped harness. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/benchmarks.md`
- **Content Addressing**（project_doc）：Every object in mnem - nodes, edges, commits, tree chunks - has an address derived from its content. The same bytes always produce the same address CID , on any machine. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/content-addressing.md`
- **Deterministic Ingest**（project_doc）：mnem ingests documents without an LLM. The same bytes always produce the same nodes, on any machine. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/deterministic-ingest.md`
- **Hybrid Retrieval**（project_doc）：mnem retrieves across three lanes simultaneously and fuses the results: 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/hybrid-retrieval.md`
- **Integrations**（project_doc）：mnem exposes the same retrieval engine through four interfaces. Pick whichever fits your stack - they all hit the same graph. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/integrations.md`
- **Provider Configuration**（project_doc）：mnem ships with a bundled ONNX MiniLM-L6-v2 embedder that runs in-process. No Ollama, no API keys, no configuration needed to get started. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/providers.md`
- **Rich Ingest Pipeline**（project_doc）：mnem produces semantically coherent chunks from any source file - not arbitrary text windows. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/rich-ingest.md`
- **Single Binary**（project_doc）：The mnem binary is ~40 MB and self-contained. There is no daemon to start, no cloud account to create, no database server to manage. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/single-binary.md`
- **Skills Graph**（project_doc）：Agent conventions today live in flat files - .cursorrules , AGENTS.md , CLAUDE.md . They're useful, but they have no structure: you can't query them, diff them against a teammate's, branch them for an experiment, or merge two versions together. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/skills-graph.md`
- **Token Transparency**（project_doc）：Every mnem retrieve response includes three counters that no other agent-memory system exposes: 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/token-transparency.md`
- **Versioned Memory**（project_doc）：mnem treats every write as a commit - the same way git treats every save as a snapshot. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/versioned-memory.md`
- **WASM and Edge Deployment**（project_doc）：mnem-core - the retrieval and storage engine - has no tokio, no filesystem calls, and no network dependencies. The same code that runs on your laptop compiles unchanged to wasm32 . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/features/wasm-edge.md`
- **v0.3 to v0.4 migration guide**（project_doc）：Dense embedding vectors are no longer stored inline on Node bytes. They now live in a per-commit Prolly sidecar tree Commit.embeddings , keyed by NodeCid . This makes NodeCid byte-identical across machines regardless of embedder thread counts or floating-point reduction order. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/guide/migrations/0.3-to-0.4.md`
- **v0.4 to v0.5 migration guide**（project_doc）：Sparse embedding vectors SPLADE, BGE-M3-sparse, etc. are no longer stored inline on Node bytes. They now live in a per-commit Prolly sidecar tree Commit.sparse , keyed by NodeCid . This mirrors the G16 change that moved dense embeddings to Commit.embeddings . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/guide/migrations/0.4-to-0.5.md`
- **Summary**（project_doc）：- Install ./install.md - Quickstart ./quickstart.md 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/SUMMARY.md`
- **Methodology**（project_doc）：Every published number ships with the harness, the dataset hash, and the raw artifacts. If you cannot reproduce a number, that is a bug. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/benchmarks/methodology.md`
- **Reproduce**（project_doc）：End-to-end recipe to regenerate the 0.1.0 benchmark numbers locally. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/benchmarks/reproduce.md`
- **Results**（project_doc）：mnem vs MemPalace published numbers. Dense retrieval vector + top-k . No LLM rerank. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/benchmarks/results.md`
- **Run benchmarks locally with mnem bench**（project_doc）：Run benchmarks locally with mnem bench 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/benchmarks/run-locally.md`
- **CLI reference**（project_doc）：mnem is the single entry point. Subcommands wrap repo operations. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/cli.md`
- **mnem vs Cognee**（project_doc）：Cognee: "Knowledge Engine for AI Agent Memory in 6 lines of code" repo description, topoteretes/cognee mnem: a content-addressed, versioned graph substrate that ingests without an LLM. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/cognee.md`
- **mnem vs graphify**（project_doc）：graphify: "AI coding assistant skill Claude Code, Codex, OpenCode, ... . Turn any folder of code, docs, papers, images, or videos into a queryable knowledge graph." repo description, safishamsi/graphify mnem: a content-addressed graph substrate. graphify builds a graph from a folder; mnem is the graph. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/graphify.md`
- **mnem vs Letta**（project_doc）：Letta: "Letta is the platform for building stateful agents: AI with advanced memory that can learn and self-improve over time." repo description, letta-ai/letta mnem: a content-addressed graph substrate that stores the memory an agent uses, without assuming the agent. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/letta.md`
- **mnem vs mem0**（project_doc）：mem0: "Universal memory layer for AI Agents" repo description, mem0ai/mem0 mnem: a content-addressed, versioned graph substrate underneath the memory layer. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/mem0.md`
- **mnem vs MemPalace**（project_doc）：MemPalace: "The best-benchmarked open-source AI memory system. And it's free." repo description, MemPalace/mempalace mnem: a content-addressed, versioned graph substrate that shares MemPalace's no-LLM-on-write philosophy and pushes further on identity and history. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/mempalace.md`
- **mnem vs Supermemory**（project_doc）：Supermemory: "Memory engine and app that is extremely fast, scalable. The Memory API for the AI era." repo description, supermemoryai/supermemory mnem: an open-source, embedded, content-addressed knowledge-graph substrate. Self-host or nothing. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/comparisons/supermemory.md`
- **Configuration**（project_doc）：mnem reads config from three sources, in priority order: 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/configuration.md`
- **Core concepts**（project_doc）：Three primitives. Everything else is composed from these. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/core-concepts.md`
- **Embedding providers**（project_doc）：mnem decouples embedder from store. Switch providers without re-ingesting. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/guides/embed-providers.md`
- **Ingest pipeline**（project_doc）：mnem ingest is the only path content takes into the graph. The pipeline: 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/guides/ingest.md`
- **Introduction**（project_doc）：mnem is a knowledge-graph substrate. It stores nodes as content-addressed objects, retrieves them with vector + sparse + graph signals, and exposes the result over CLI, HTTP, and MCP surfaces. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/introduction.md`
- **MCP server**（project_doc）：mnem implements the Model Context Protocol https://modelcontextprotocol.io over stdio. Drop it into any MCP client Claude Desktop, Cursor, Zed, custom . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/mcp.md`
- **Migrating to 0.1.0**（project_doc）：0.1.0 is the first public release. There is no prior public version; this document exists for completeness and to fix the upgrade pathway forward. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/migrations/v0.x-to-v0.1.0.md`
- **Quickstart**（project_doc）：Five minutes from zero to retrieve. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`docs/src/quickstart.md`
- **What this PR does**（project_doc）：- Bug fix non-breaking - New feature non-breaking - Breaking change API or wire-format - Documentation only - CI / tooling only - Refactor no behavior change 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.github/PULL_REQUEST_TEMPLATE.md`
- **Changelog**（project_doc）：Initial public release. Versioned, mergeable, content-addressed knowledge graph for AI agent memory. Local-first, Apache-2.0. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`CHANGELOG.md`
- **Contributor Covenant Code of Conduct**（project_doc）：Contributor Covenant Code of Conduct 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`CODE_OF_CONDUCT.md`
- **El problema**（project_doc）：! License: Apache-2.0 https://img.shields.io/badge/license-Apache--2.0-blue?style=for-the-badge LICENSE ! CI https://img.shields.io/github/actions/workflow/status/Uranid/mnem/ci.yml?style=for-the-badge&label=CI https://github.com/Uranid/mnem/actions/workflows/ci.yml ! crates.io https://img.shields.io/crates/v/mnem-cli?style=for-the-badge https://crates.io/crates/mnem-cli ! PyPI https://img.shields.io/pypi/v/mnem-cli… 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README.es.md`
- **问题所在**（project_doc）：! License: Apache-2.0 https://img.shields.io/badge/license-Apache--2.0-blue?style=for-the-badge LICENSE ! CI https://img.shields.io/github/actions/workflow/status/Uranid/mnem/ci.yml?style=for-the-badge&label=CI https://github.com/Uranid/mnem/actions/workflows/ci.yml ! crates.io https://img.shields.io/crates/v/mnem-cli?style=for-the-badge https://crates.io/crates/mnem-cli ! PyPI https://img.shields.io/pypi/v/mnem-cli… 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README.zh-CN.md`
- **Security policy**（project_doc）：Pre-launch baseline. Only 0.1.x on main receives fixes; older in-development versions are unsupported. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`SECURITY.md`
- **Fuzz crash-regression policy**（project_doc）：When a fuzz run hits a crash locally or in nightly CI , the input must land as a permanent regression seed so the same shape can never re-crash silently. The flow is short and mechanical. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`fuzz/REGRESSIONS.md`
- **Question**（project_doc）：<!-- Before opening: please check docs/SPEC.md the format spec is normative - your question is often answered there docs/ROADMAP.md if you're asking "when will X happen" 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.github/ISSUE_TEMPLATE/question.md`
- **ConvoMem**（project_doc）：5 categories × 50 items = 250 items total. Salesforce/ConvoMem dataset. Substring-match recall gold evidence text in retrieved item text . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`benchmarks/results/analysis/convomem.md`
- **FinanceBench**（project_doc）：150 questions, 168 unique evidence passages from financebench open source.jsonl Patronus AI 2024 open-source split, SEC 10-K/10-Q filings . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`benchmarks/results/analysis/financebench.md`
- **LoCoMo**（project_doc）：1986 questions across 10 conversations on locomo10.json snap-research/LoCoMo . Session-level granularity: score session id of evidence vs retrieved turn session id. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`benchmarks/results/analysis/locomo.md`
- **LongMemEval**（project_doc）：500 questions on longmemeval s cleaned.json xiaowu0162/longmemeval-cleaned . Session-level retrieval: aggregate turn hits to session via MAX score. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`benchmarks/results/analysis/longmemeval.md`

## 证据索引

- 共索引 80 条证据。

- **mnem documentation**（documentation）：- Source : src/ ./src/SUMMARY.md - Build : mdbook build docs/ output to docs/book/ - Online : rendered site link added post-launch 证据：`docs/README.md`
- **Comparisons**（documentation）：How mnem stacks up against other agent-memory and knowledge-graph systems. Each comparison is honest: where they win, where mnem wins, when to pick which. 证据：`docs/src/comparisons/README.md`
- **Install**（documentation）：mnem ships a single mnem binary plus optional Python and HTTP daemons. Pick the source that matches your platform. 证据：`docs/src/install.md`
- **The Problem**（documentation）：! License: Apache-2.0 https://img.shields.io/badge/license-Apache--2.0-blue?style=for-the-badge LICENSE ! CI https://img.shields.io/github/actions/workflow/status/Uranid/mnem/ci.yml?style=for-the-badge&label=CI https://github.com/Uranid/mnem/actions/workflows/ci.yml ! crates.io https://img.shields.io/crates/v/mnem-cli?style=for-the-badge https://crates.io/crates/mnem-cli ! PyPI https://img.shields.io/pypi/v/mnem-cli?style=for-the-badge https://pypi.org/project/mnem-cli/ ! npm https://img.shields.io/npm/v/mnem-cli?style=for-the-badge https://www.npmjs.com/package/mnem-cli ! MSRV 1.95 https://img.shields.io/badge/MSRV-1.95-orange?style=for-the-badge rust-toolchain.toml ! Runs on Linux macOS W… 证据：`README.md`
- **Benchmarks**（documentation）：Reproducible head-to-head numbers for mnem. Every number ships with the harness, the dataset, and the raw artifacts. If you can't reproduce a number, that's a bug. 证据：`benchmarks/README.md`
- **mnem fuzz harness**（documentation）：Coverage-guided fuzz targets for mnem's highest-value parsers. 证据：`fuzz/README.md`
- **mnem brand assets**（documentation）：Minimal, deliberately simple. Two colors, one geometric mark, one wordmark. Everything else is composition. 证据：`assets/logo/README.md`
- **mnem-ann**（documentation）：Approximate-nearest-neighbour HNSW vector index for mnem. Feature-gated alternative to the built-in brute-force index in mnem-core . 证据：`crates/mnem-ann/README.md`
- **mnem-backend-redb**（documentation）：Production embedded-KV backend for mnem - redb-backed Blockstore and OpHeadsStore . 证据：`crates/mnem-backend-redb/README.md`
- **mnem-bench**（documentation）：Benchmark harness for mnem. Ships the runner, dataset cache, LongMemEval / LoCoMo / ConvoMem / MemBench / hybrid-v4 scorers, the cpu-local mnem adapter, the bundled ONNX MiniLM-L6-v2 embedder, and the mnem bench interactive TUI. 证据：`crates/mnem-bench/README.md`
- **mnem-cli**（documentation）：Command-line interface for mnem - Git for AI Agent Knowledge. 证据：`crates/mnem-cli/README.md`
- **mnem-core-testutils**（documentation）：Shared test fixtures for the mnem workspace. Internal use only; never published to crates.io publish = false in Cargo.toml . 证据：`crates/mnem-core-testutils/README.md`
- **mnem-core**（documentation）：Content-addressed versioned substrate for AI agent memory - the core of mnem. 证据：`crates/mnem-core/README.md`
- **mnem-embed-providers**（documentation）：Embedding-provider adapters for mnem OpenAI, Ollama . Sync, TLS-via-rustls, tokio-free. 证据：`crates/mnem-embed-providers/README.md`
- **mnem-extract**（documentation）：Extraction strategies for mnem ingest pipelines. 证据：`crates/mnem-extract/README.md`
- **mnem-graphrag**（documentation）：Extractive community summarization: Centroid + MMR . 证据：`crates/mnem-graphrag/README.md`
- **mnem http**（documentation）：HTTP JSON API for mnem - REST surface over the core repo operations. 证据：`crates/mnem-http/README.md`
- **mnem-ingest**（documentation）：Ingest pipeline for mnem : converts external source artifacts Markdown, plain text, and - in later sub-waves - PDFs and chat conversations into content-addressed memory graphs. 证据：`crates/mnem-ingest/README.md`
- **mnem-llm-providers**（documentation）：Text-generation adapters for mnem OpenAI chat, Ollama chat for HyDE, multi-query, and future LLM-in-the-loop features. Sync, TLS-via-rustls, tokio-free. 证据：`crates/mnem-llm-providers/README.md`
- **mnem mcp**（documentation）：Model Context Protocol server for mnem - the AI-native, local-first memory substrate for agents. 证据：`crates/mnem-mcp/README.md`
- **mnem-ner-providers**（documentation）：NER provider adapters for mnem. Ships RuleNer heuristic, zero-dependency and NullNer . 证据：`crates/mnem-ner-providers/README.md`
- **mnem Python**（documentation）：Python bindings for mnem https://github.com/Uranid/mnem - Git for AI Agent Knowledge. A persistent, versioned knowledge layer for AI agents. 证据：`crates/mnem-py/README.md`
- **mnem-rerank-providers**（documentation）：Cross-encoder reranker adapters for mnem Cohere, Voyage, Jina . Sync, TLS-via-rustls, tokio-free. 证据：`crates/mnem-rerank-providers/README.md`
- **mnem-sparse-providers**（documentation）：Learned-sparse encoder adapters for mnem SPLADE, BGE-M3-sparse, opensearch-doc-v3-distill . Sync, TLS-via-rustls, tokio-free. 证据：`crates/mnem-sparse-providers/README.md`
- **mnem-transport**（documentation）：Offline transport for mnem: CAR v1 export/import of content-addressed subtrees, plus the frozen shapes of the remote wire protocol. 证据：`crates/mnem-transport/README.md`
- **mnem-cli**（documentation）：Git for AI Agent Knowledge. A persistent, versioned knowledge layer for AI agents. 证据：`npm-packages/mnem-cli/README.md`
- **mnem-cli pip**（documentation）：On first run mnem downloads the correct prebuilt binary for your platform from the GitHub release https://github.com/Uranid/mnem/releases and caches it in ~/.mnem cli/ . Subsequent calls run the cached binary directly. 证据：`py-packages/mnem-cli/README.md`
- **Contributing to mnem**（documentation）：Thanks for your interest. mnem is an early-stage project, and the format spec is deliberately locked down - the whole value proposition is that two independent implementations produce byte-identical objects. This guide exists to keep contributions aligned with that bar. 证据：`CONTRIBUTING.md`
- **Package**（package_manifest）：{ "name": "mnem-cli", "version": "0.1.6", "description": "Git for knowledge graphs - versioned, content-addressed, embeddable agent memory", "author": "mnem contributors", "license": "Apache-2.0", "homepage": "https://github.com/Uranid/mnem readme", "repository": { "type": "git", "url": "git+https://github.com/Uranid/mnem.git" }, "keywords": "knowledge-graph", "memory", "agent", "rag", "embeddings", "mcp", "ai" , "bin": { "mnem": "bin/mnem.js" }, "os": "darwin", "linux", "win32" , "cpu": "x64", "arm64" , "publishConfig": { "access": "public", "registry": "https://registry.npmjs.org/" }, "files": "bin/mnem.js", "scripts/", "README.md", "LICENSE" , "scripts": { "postinstall": "node scripts/po… 证据：`npm-packages/mnem-cli/package.json`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`LICENSE`
- **License**（source_file）：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ 证据：`npm-packages/mnem-cli/LICENSE`
- **mnem Roadmap**（documentation）：Planned work is tracked in GitHub Issues https://github.com/Uranid/mnem/issues and labelled by phase. The rough arc: 证据：`docs/ROADMAP.md`
- **mnem Format Specification**（documentation）：Version: 0.1 Status: canonical - implementations MUST conform. 证据：`docs/SPEC.md`
- **mnem system prompt**（documentation）：This is the recommended system prompt to add to your agent host Claude Desktop, Claude Code, Cursor, Continue, Zed, Gemini CLI, ... so the LLM uses mnem transparently on every turn - without the user ever having to mention mnem. 证据：`docs/system-prompt.md`
- **Benchmarks**（documentation）：mnem is measured head-to-head against mem0 and MemPalace on six public datasets. All numbers are reproducible with the shipped harness. 证据：`docs/features/benchmarks.md`
- **Content Addressing**（documentation）：Every object in mnem - nodes, edges, commits, tree chunks - has an address derived from its content. The same bytes always produce the same address CID , on any machine. 证据：`docs/features/content-addressing.md`
- **Deterministic Ingest**（documentation）：mnem ingests documents without an LLM. The same bytes always produce the same nodes, on any machine. 证据：`docs/features/deterministic-ingest.md`
- **Hybrid Retrieval**（documentation）：mnem retrieves across three lanes simultaneously and fuses the results: 证据：`docs/features/hybrid-retrieval.md`
- **Integrations**（documentation）：mnem exposes the same retrieval engine through four interfaces. Pick whichever fits your stack - they all hit the same graph. 证据：`docs/features/integrations.md`
- **Provider Configuration**（documentation）：mnem ships with a bundled ONNX MiniLM-L6-v2 embedder that runs in-process. No Ollama, no API keys, no configuration needed to get started. 证据：`docs/features/providers.md`
- **Rich Ingest Pipeline**（documentation）：mnem produces semantically coherent chunks from any source file - not arbitrary text windows. 证据：`docs/features/rich-ingest.md`
- **Single Binary**（documentation）：The mnem binary is ~40 MB and self-contained. There is no daemon to start, no cloud account to create, no database server to manage. 证据：`docs/features/single-binary.md`
- **Skills Graph**（documentation）：Agent conventions today live in flat files - .cursorrules , AGENTS.md , CLAUDE.md . They're useful, but they have no structure: you can't query them, diff them against a teammate's, branch them for an experiment, or merge two versions together. 证据：`docs/features/skills-graph.md`
- **Token Transparency**（documentation）：Every mnem retrieve response includes three counters that no other agent-memory system exposes: 证据：`docs/features/token-transparency.md`
- **Versioned Memory**（documentation）：mnem treats every write as a commit - the same way git treats every save as a snapshot. 证据：`docs/features/versioned-memory.md`
- **WASM and Edge Deployment**（documentation）：mnem-core - the retrieval and storage engine - has no tokio, no filesystem calls, and no network dependencies. The same code that runs on your laptop compiles unchanged to wasm32 . 证据：`docs/features/wasm-edge.md`
- **v0.3 to v0.4 migration guide**（documentation）：Dense embedding vectors are no longer stored inline on Node bytes. They now live in a per-commit Prolly sidecar tree Commit.embeddings , keyed by NodeCid . This makes NodeCid byte-identical across machines regardless of embedder thread counts or floating-point reduction order. 证据：`docs/guide/migrations/0.3-to-0.4.md`
- **v0.4 to v0.5 migration guide**（documentation）：Sparse embedding vectors SPLADE, BGE-M3-sparse, etc. are no longer stored inline on Node bytes. They now live in a per-commit Prolly sidecar tree Commit.sparse , keyed by NodeCid . This mirrors the G16 change that moved dense embeddings to Commit.embeddings . 证据：`docs/guide/migrations/0.4-to-0.5.md`
- **Summary**（documentation）：- Install ./install.md - Quickstart ./quickstart.md 证据：`docs/src/SUMMARY.md`
- **Methodology**（documentation）：Every published number ships with the harness, the dataset hash, and the raw artifacts. If you cannot reproduce a number, that is a bug. 证据：`docs/src/benchmarks/methodology.md`
- **Reproduce**（documentation）：End-to-end recipe to regenerate the 0.1.0 benchmark numbers locally. 证据：`docs/src/benchmarks/reproduce.md`
- **Results**（documentation）：mnem vs MemPalace published numbers. Dense retrieval vector + top-k . No LLM rerank. 证据：`docs/src/benchmarks/results.md`
- **Run benchmarks locally with mnem bench**（documentation）：Run benchmarks locally with mnem bench 证据：`docs/src/benchmarks/run-locally.md`
- **CLI reference**（documentation）：mnem is the single entry point. Subcommands wrap repo operations. 证据：`docs/src/cli.md`
- **mnem vs Cognee**（documentation）：Cognee: "Knowledge Engine for AI Agent Memory in 6 lines of code" repo description, topoteretes/cognee mnem: a content-addressed, versioned graph substrate that ingests without an LLM. 证据：`docs/src/comparisons/cognee.md`
- **mnem vs graphify**（documentation）：graphify: "AI coding assistant skill Claude Code, Codex, OpenCode, ... . Turn any folder of code, docs, papers, images, or videos into a queryable knowledge graph." repo description, safishamsi/graphify mnem: a content-addressed graph substrate. graphify builds a graph from a folder; mnem is the graph. 证据：`docs/src/comparisons/graphify.md`
- **mnem vs Letta**（documentation）：Letta: "Letta is the platform for building stateful agents: AI with advanced memory that can learn and self-improve over time." repo description, letta-ai/letta mnem: a content-addressed graph substrate that stores the memory an agent uses, without assuming the agent. 证据：`docs/src/comparisons/letta.md`
- **mnem vs mem0**（documentation）：mem0: "Universal memory layer for AI Agents" repo description, mem0ai/mem0 mnem: a content-addressed, versioned graph substrate underneath the memory layer. 证据：`docs/src/comparisons/mem0.md`
- **mnem vs MemPalace**（documentation）：MemPalace: "The best-benchmarked open-source AI memory system. And it's free." repo description, MemPalace/mempalace mnem: a content-addressed, versioned graph substrate that shares MemPalace's no-LLM-on-write philosophy and pushes further on identity and history. 证据：`docs/src/comparisons/mempalace.md`
- **mnem vs Supermemory**（documentation）：Supermemory: "Memory engine and app that is extremely fast, scalable. The Memory API for the AI era." repo description, supermemoryai/supermemory mnem: an open-source, embedded, content-addressed knowledge-graph substrate. Self-host or nothing. 证据：`docs/src/comparisons/supermemory.md`
- 其余 20 条证据见 `AI_CONTEXT_PACK.json` 或 `EVIDENCE_INDEX.json`。

## 宿主 AI 必须遵守的规则

- **把本资产当作开工前上下文，而不是运行环境。**：AI Context Pack 只包含证据化项目理解，不包含目标项目的可执行状态。 证据：`docs/README.md`, `docs/src/comparisons/README.md`, `docs/src/install.md`
- **回答用户时区分可预览内容与必须安装后才能验证的内容。**：安装前体验的消费者价值来自降低误装和误判，而不是伪装成真实运行。 证据：`docs/README.md`, `docs/src/comparisons/README.md`, `docs/src/install.md`

## 用户开工前应该回答的问题

- 你准备在哪个宿主 AI 或本地环境中使用它？
- 你只是想先体验工作流，还是准备真实安装？
- 你最在意的是安装成本、输出质量、还是和现有规则的冲突？

## 验收标准

- 所有能力声明都能回指到 evidence_refs 中的文件路径。
- AI_CONTEXT_PACK.md 没有把预览包装成真实运行。
- 用户能在 3 分钟内看懂适合谁、能做什么、如何开始和风险边界。

---

## Doramagic Context Augmentation

下面内容用于强化 Repomix/AI Context Pack 主体。Human Manual 只提供阅读骨架；踩坑日志会被转成宿主 AI 必须遵守的工作约束。

## Human Manual 骨架

使用规则：这里只是项目阅读路线和显著性信号，不是事实权威。具体事实仍必须回到 repo evidence / Claim Graph。

宿主 AI 硬性规则：
- 不得把页标题、章节顺序、摘要或 importance 当作项目事实证据。
- 解释 Human Manual 骨架时，必须明确说它只是阅读路线/显著性信号。
- 能力、安装、兼容性、运行状态和风险判断必须引用 repo evidence、source path 或 Claim Graph。

- **项目介绍**：importance `high`
  - source_paths: README.md, README.zh-CN.md, crates/mnem-core/README.md, docs/src/introduction.md
- **安装指南**：importance `high`
  - source_paths: docs/src/install.md, Dockerfile, docker-compose.yml, scripts/install.sh, scripts/install.ps1
- **系统架构**：importance `high`
  - source_paths: crates/mnem-core/src/lib.rs, crates/mnem-cli/src/main.rs, crates/mnem-http/src/lib.rs, crates/mnem-mcp/src/lib.rs, docs/features/benchmarks.md
- **Crates结构详解**：importance `medium`
  - source_paths: Cargo.toml, crates/mnem-core/Cargo.toml, crates/mnem-cli/Cargo.toml, crates/mnem-ingest/Cargo.toml, crates/mnem-http/Cargo.toml
- **知识图谱模型**：importance `high`
  - source_paths: crates/mnem-core/src/objects/node.rs, crates/mnem-core/src/objects/edge.rs, crates/mnem-core/src/objects/commit.rs, crates/mnem-core/src/objects/tombstone.rs, crates/mnem-core/src/index/adjacency.rs
- **版本控制机制**：importance `high`
  - source_paths: crates/mnem-core/src/repo/mod.rs, crates/mnem-core/src/repo/transaction.rs, crates/mnem-core/src/repo/merge.rs, crates/mnem-core/src/objects/operation.rs, crates/mnem-cli/src/commands/commit.rs
- **内容寻址系统**：importance `medium`
  - source_paths: crates/mnem-core/src/id/cid.rs, crates/mnem-core/src/id/multihash.rs, crates/mnem-core/src/id/link.rs, crates/mnem-core/src/codec/dagcbor.rs, crates/mnem-core/src/codec/dagjson.rs
- **存储后端**：importance `high`
  - source_paths: crates/mnem-core/src/store/blockstore.rs, crates/mnem-core/src/store/mod.rs, crates/mnem-core/src/store/op_heads.rs, crates/mnem-backend-redb/src/blockstore.rs, crates/mnem-backend-redb/src/lib.rs

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `1dfa0d9e928a5da11c03eb0389b6d5ee7c8e7388`
- inspected_files: `Dockerfile`, `README.md`, `docker-compose.yml`, `docs/system-prompt.md`, `docs/SPEC.md`, `docs/book.toml`, `docs/README.md`, `docs/ROADMAP.md`, `docs/src/SUMMARY.md`, `docs/src/cli.md`, `docs/src/quickstart.md`, `docs/src/configuration.md`, `docs/src/install.md`, `docs/src/introduction.md`, `docs/src/core-concepts.md`, `docs/src/mcp.md`, `docs/features/content-addressing.md`, `docs/features/integrations.md`, `docs/features/single-binary.md`, `docs/features/token-transparency.md`

宿主 AI 硬性规则：
- 没有 repo_clone_verified=true 时，不得声称已经读过源码。
- 没有 repo_inspection_verified=true 时，不得把 README/docs/package 文件判断写成事实。
- 没有 quick_start_verified=true 时，不得声称 Quick Start 已跑通。

## Doramagic Pitfall Constraints / 踩坑约束

这些规则来自 Doramagic 发现、验证或编译过程中的项目专属坑点。宿主 AI 必须把它们当作工作约束，而不是普通说明文字。

### Constraint 1: 来源证据：[feature] hermes support

- Trigger: GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：[feature] hermes support
- Host AI rule: 来源问题仍为 open，Pack Agent 需要复核是否仍影响当前版本。
- Why it matters: 可能影响授权、密钥配置或安全边界。
- Evidence: community_evidence:github | cevd_c54919b2b8b340438a9e5aa17291b93a | https://github.com/Uranid/mnem/issues/27 | 来源类型 github_issue 暴露的待验证使用条件。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 2: 能力判断依赖假设

- Trigger: README/documentation is current enough for a first validation pass.
- Host AI rule: 将假设转成下游验证清单。
- Why it matters: 假设不成立时，用户拿不到承诺的能力。
- Evidence: capability.assumptions | github_repo:1221867246 | https://github.com/Uranid/mnem | README/documentation is current enough for a first validation pass.
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 3: 来源证据：[bug] Broken docs links: SPEC.md, ROADMAP.md, and Architecture page

- Trigger: GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：[bug] Broken docs links: SPEC.md, ROADMAP.md, and Architecture page
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | cevd_5c74e7a10f774af6b0460b5da009d1b4 | https://github.com/Uranid/mnem/issues/23 | 来源讨论提到 windows 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 4: 维护活跃度未知

- Trigger: 未记录 last_activity_observed。
- Host AI rule: 补 GitHub 最近 commit、release、issue/PR 响应信号。
- Why it matters: 新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
- Evidence: evidence.maintainer_signals | github_repo:1221867246 | https://github.com/Uranid/mnem | last_activity_observed missing
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 5: 下游验证发现风险项

- Trigger: no_demo
- Host AI rule: 进入安全/权限治理复核队列。
- Why it matters: 下游已经要求复核，不能在页面中弱化。
- Evidence: downstream_validation.risk_items | github_repo:1221867246 | https://github.com/Uranid/mnem | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 6: 存在评分风险

- Trigger: no_demo
- Host AI rule: 把风险写入边界卡，并确认是否需要人工复核。
- Why it matters: 风险会影响是否适合普通用户安装。
- Evidence: risks.scoring_risks | github_repo:1221867246 | https://github.com/Uranid/mnem | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 7: issue/PR 响应质量未知

- Trigger: issue_or_pr_quality=unknown。
- Host AI rule: 抽样最近 issue/PR，判断是否长期无人处理。
- Why it matters: 用户无法判断遇到问题后是否有人维护。
- Evidence: evidence.maintainer_signals | github_repo:1221867246 | https://github.com/Uranid/mnem | issue_or_pr_quality=unknown
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 8: 发布节奏不明确

- Trigger: release_recency=unknown。
- Host AI rule: 确认最近 release/tag 和 README 安装命令是否一致。
- Why it matters: 安装命令和文档可能落后于代码，用户踩坑概率升高。
- Evidence: evidence.maintainer_signals | github_repo:1221867246 | https://github.com/Uranid/mnem | release_recency=unknown
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。