
CheeseDB:删除来源即可清除AI智能体相关记忆的数据库
来源标题:Show HN: CheeseDB – agent memory where deleting a source deletes what it taught
CheeseDB 发布,这是一个用 Go 编写的嵌入式记忆数据库,专为 AI 智能体设计,核心特性是删除某个来源时,会一并清除该来源教给智能体的所有记忆。它基于标准库实现,支持 MCP 应用和纯英文查询,但目前仅为预览版,尚未经过独立安全审查,API 与磁盘格式在 v1.0 前可能变动,不建议用于生产数据。
以下正文由 AI 翻译自 Hacker News(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
专为 AI 记忆打造的数据库引擎。 原生 Go · 溯源感知 · 可撤销 · 嵌入式 每一条记忆都知道自己的来源。用自然语言向它提问。召回一个坏来源,从它学到的一切也随之删除。 一个专为 AI agent 打造的嵌入式、只追加、哈希链式记忆数据库,用 Go 编写,仅依赖标准库。可从 Go 中使用,也可通过 cheesedb 命令行使用,或从 Claude Code、Cursor 及其他 MCP 应用中使用。 状态:预览版。cheesedb 正在积极开发中。它尚未经过独立的安全审查,API 和磁盘格式在 v1.0 之前可能发生变化,因此暂不建议用于生产数据。参见局限与更新日志。 问题所在 Agent 的记忆建立在它无法完全信任的来源之上:用户消息、网页、文档、工具返回结果。迟早会有一个来源被证明是: 删掉那个来源还不够。Agent 从中学到的一切仍留在记忆中,Agent 会继续据此行动。普通的记忆存储无法分辨哪些记忆来自何处,因此无法将其删除。演示用一个真实的 LLM 展示了这一点:从普通记忆列表中删除坏来源后,模型仍然给出同样的错误答案。 每一条记忆都记录自己的来源。记忆在存储时会附带它所学自的来源(或其他记忆)。引擎拒绝没有来源的记忆。 召回会精确删除依赖于某个来源的内容。一次调用即可删除该来源以及建立在它之上的一切记忆,无论链条有多深。仍有另一个独立来源支撑的记忆会保留下来(Fair 模式);或者删除该来源触及过的一切(Strict 模式)。 用自然语言向它提问。配合你选择的 embedding 模型,cheesedb 可以按语义查找记忆(search)、基于记忆回答问题(ask),并在你确认后遗忘你所描述的内容(forget)。被召回的記憶永远不会再被找到。没有模型时,其余功能照常工作。 擦除是真正的擦除。Recall(..., Erase) 会在返回之前把文本从磁盘上的文件中移除。cheesedb find 会搜索原始字节来证明这一点。 历史记录无法被悄悄篡改。每一条记录都与前一条通过哈希链接。每次打开时都会检测损坏或修改,而擦除文本后链条仍然可验证。 Agent 在设计上相互隔离。每个 agent 只能通过自己的 token 访问。没有任何方法接受另一个 agent 的名称,因此一个被提示注入、持有某个 agent 句柄的工具无法触及另一个 agent。 嵌入式且无依赖。一个 Go 库加磁盘上的一个文件夹:没有服务器,没有外部依赖。 为什么不用 SQLite、PostgreSQL 或图数据库? 你可以在 SQL 中为来源和记忆建模,或在 Neo4j 中将其建模为图。我们两种都做了,以便对比:同样的数据放在全部四个引擎上,具有相同的持久性(每次写入在确认之前都刷入物理磁盘)。 基准测试:每个 agent 100 万条记忆,3 次运行的中位数,在 Apple M1 Max(macOS,内置 SSD)上,SQLite 3.53、PostgreSQL 17 和 Neo4j Community 2026.10。完整结果、方法和注意事项:BENCHMARKS.md;本次运行的原始输出:bench/results/v0.3.0。 ¹ 与已在运行的服务器建立新连接;在早前的一次运行中,启动 Neo4j 服务器耗时 6.5 到 8.2 秒。PostgreSQL 和 Neo4j 通过 localhost 上的 TCP 运行,每条语句会多一次往返。Neo4j 的模型和查询由我们自己编写,专家可能会做得更好。 你需要 SQL 风格的查询、过滤或关键词搜索。cheesedb 按 id 或按语义查找。把其他查询留在你的数据库中,只在那里存记忆 id,并把每个结果拿到 cheesedb 中核对。 历史记录非常长时,启动时间很重要。cheesedb 在打开 agent 时会重放其日志:100 万条记忆时约 0.7 秒。SQLite 则瞬间打开。快照功能已在计划中。 一个 agent 的记忆放不进 RAM。cheesedb 每条记忆在内存中约占 205 字节,另外每条可搜索记忆约占 0.8 KB(768 个值,每个一字节)。 你今天就需要生产级保证。cheesedb 是预览版;参见局限。 安装 go get github.com/govinargo-labs/cheesedb # the library go install github.com/govinargo-labs/cheesedb/cmd/cheesedb@latest # the command 需要 Go 1.26.5 或更高版本。在 macOS 上开发和测试;Linux 在 CI 中运行相同的测试。Windows 尚不支持。 花生故事,从命令行开始。一个用户对花生过敏;一家餐厅的网页说它的沙爹酱不含花生;结果这个网页是错的。 cheesedb agent create story cheesedb lot story user_message "I am allergic to peanuts" # lot 1 cheesedb lot story doctor_note "Allergy test result: peanut allergy confirmed" # lot 2 cheesedb lot story web_page "Spice Garden menu: our satay sauce is peanut-free" # lot 3 cheesedb remember story "The user is allergic to peanuts" 1 2 # memory 4: from 1 OR 2 cheesedb remember story "Spice Garden's satay sauce has no peanuts" 3 # memory 5 cheesedb remember story "The satay at Spice Garden is safe for the user" 4,5 # memory 6: needs 4 AND 5 配合 embedding 模型(设置),用你自己的话提问。在模型设置之前保存的记忆可通过 cheesedb embed 变为可搜索: cheesedb embed story cheesedb search story "can the user eat the satay at Spice Garden?"
6: The satay at Spice Garden is safe for the user (match 0.81)
5: Spice Garden's satay sauce has no peanuts (match 0.77)
4: The user is allergic to peanuts (match 0.57)
没有模型时,列出仍然存活的内容:cheesedb active story。 cheesedb recall story 3 fair erase # recalled 3; memories removed: [5 6] cheesedb search story "can the user eat the satay at Spice Garden?"
4: The user is allergic to peanuts (match 0.57)
cheesedb find story "peanut-free" # not found anywhere (searched every file, byte by byte) cheesedb recall story 1 fair erase # memories removed: []: the doctor's note still backs the allergy cheesedb verify story # OK. head fingerprint: ... examples/plain-english 逐步运行这个故事,配合 ask 和一个聊天模型,适合用于演示或屏幕录制。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。