$ loading_
为 AI 助手提供类人记忆衰减与强化机制，改善长期交互体验。
该 MCP 工具材料较少，但从现有信息看未要求密钥、未声明任何远程端点，主要风险面集中在本地执行与可能的本地记忆数据存取。其为 MIT 开源项目可审计，这显著降低了整体风险；在缺少 README 与维护信息的情况下，整体更适合评为需留意而非高风险。
材料明确标注无需密钥或环境变量，未见 API token、账号凭证或高敏感认证信息要求，因此凭证泄露与滥用面较低。
已声明无远程端点 host，材料中也未描述联网同步、云端存储或向第三方发送用户数据的行为；基于现有事实，未见明确的数据外发路径。
系统检查项标明该工具具备 executes-code 能力，意味着会在本机运行代码/进程。这属于 MCP 工具的常见能力，但仍应视为需留意，建议限制运行环境与权限边界。
描述称其提供“记忆动态”“遗忘与强化”，可合理推断其至少需要读写某种本地记忆/状态数据；但材料未说明具体文件路径、数据库范围或权限边界，因此数据访问面不清晰，需留意最小化授权。
项目为 MIT 开源且有公开仓库，可审计性是明显正面因素；但来源为 third_party_registry，社区采用度为 0 star，维护状态未知，且缺少 README 细节，供应链成熟度与持续维护情况仍需观察。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Mnemex" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请为我的 AI 助手设计一套记忆策略：区分短期记忆与长期记忆，说明哪些信息应随时间遗忘，哪些信息应因重复出现而强化，并给出适合客服场景的规则示例。
一套清晰的记忆分层、遗忘与强化规则，适用于具体业务场景。
我在构建一个长期陪伴型 AI 助手。请说明如何使用 Mnemex 让助手逐步淡忘低价值细节，同时稳定保留用户偏好、常见目标和重要背景信息。
关于记忆保留优先级与遗忘节奏的实现建议，帮助提升连续对话质量。
请为接入 Mnemex 的 AI 助手制定测试方案，评估记忆是否会正确强化、自然遗忘，以及是否减少上下文污染和错误引用旧信息的问题。
包含测试维度、示例场景和评估指标的记忆效果评估方案。
为 AI 助手提供跨平台长期记忆与语义检索能力，提升连续协作效果。
为 AI 代理提供可检索、去重与衰减的长期语义记忆能力。
将个人知识图谱作为 AI 记忆层，便于保存、检索并关联长期信息。
为智能体提供带遗忘曲线衰减的长期记忆，提升多轮任务中的信息召回与连续性。
帮助用户跨平台保存并统一调用 AI 记忆，提升多工具协作效率。
为 AI 提供可跨设备同步的持久记忆，并支持全文与语义混合检索。