返回资讯中心
外部精选
软件工程
#开发者实时流

CheeseDB 发布:删除来源即可清除 AI 记忆中所学内容

来源标题:Show HN: CheeseDB – agent memory where deleting a source deletes what it taught

面向 AI 记忆的嵌入式数据库引擎 CheeseDB 推出预览版,允许智能体按来源追溯记忆,删除某个来源时自动清除由它衍生出的所有记忆。该项目用 Go 标准库编写,支持从 Go、命令行及 Claude Code、Cursor 等 MCP 应用调用。目前尚未经过独立安全审查,API 和磁盘格式在 v1.0 前可能变动,不建议用于生产数据。

Hacker News 最新govinhere2026/11/16 · 昨天30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(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。

一个专为 AI 记忆打造的数据库引擎。 原生 Go · 来源可溯 · 可撤销 · 嵌入式

每一条记忆都知道自己的来源。用自然语言就能问它任何问题。撤掉一个坏来源,从它那里学到的一切也会一并消失。

一个为 AI agent 打造的嵌入式、只追加、哈希链式记忆数据库,只用 Go 标准库编写。可以从 Go 里用,从 cheesedb 命令行用,也可以从 Claude Code、Cursor 以及其他 MCP 应用里用。

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,因此目前还不建议用于生产数据。参见「限制」和更新日志。

问题所在

agent 的记忆是用它无法完全信任的来源构建的:用户消息、网页、文档、工具结果。迟早会有某一个被证明是:

删掉那个来源并不够。agent 从它那里学到的一切仍然留在记忆里,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哪里,所以它没法把这些记忆删掉。演示里用一个真实的 LLM 展示了这一点:把坏来源从一个普通记忆列表中删除后,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。一条记忆会连同它所习自的来源(或其他记忆)一起存储。引擎会拒绝没有来源的记忆。

撤销会精确移除依赖于某个来源的内容。一次调用会删掉该来源以及建立在它之上的一切记忆,无论链条有多深。仍然有其他独立来源支撑的记忆会保留下来(Fair);或者删掉该来源触及的一切(Strict)。

用自然语言问它。配上你选择的 embedding 模型,cheesedb 就能按语义查找记忆(search)、根据记忆回答问题(ask),并在你确认之后忘掉你所描述的内容(forget)。被撤销的记忆永远不会再被找到。没有模型时,其他一切照常工作。

擦除是真的擦除。Recall(..., Erase) 会在返回之前把文本从磁盘上的文件里移除。cheesedb find 会搜索原始字节来证明这一点。

历史不能被悄悄篡改。每条记录都通过哈希与前一条链接。每次打开时都会检测损坏或改动,而擦除文本后哈希链仍然可验证。

agent 从设计上就是隔离的。每个 agent 只能通过自己的 token 访问。没有任何方法会接受另一个 agent 的名字,因此一个被 prompt 注入、持有一个 agent 句柄的工具,没有办法触及其他 agent。

嵌入式、零依赖。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 里对来源和记忆建模,也可以在 Neo4j 里建成图。我们两种都做了,以便对比:同样的数据跑在四个引擎上,耐久性相同(每次写入都在确认前刷到物理磁盘)。

基准测试:每个 agent 100 万条记忆,3 次运行取中位数,在 Apple M1 Max(macOS,内置 SSD)上,SQLite 3.53、PostgreSQL 17 和 Neo4j Community 2026.10。完整结果、方法和注意事项见 BENCHMARKS.md。

¹ 这是向已经在运行的服务器新建连接;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,每条语句都多一次往返。Neo4j 的模型和查询是我们自己写的,专家可能做得更好。

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里,那里只存记忆 id,并把每个结果与 cheesedb 核对。

历史非常长时启动时间很重要。cheesedb 打开一个 agent 时会重放日志:100 万条记忆时约 0.7 秒。SQLite 则是瞬间打开。快照功能已在计划中。

一个 agent 的记忆装不进内存。cheesedb 在内存里每条记忆约占 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的保证。cheesedb 还是预览版;见「限制」。

安装

go get github.com/govinargo-labs/cheesedb # 库 go install github.com/govinargo-labs/cheesedb/cmd/cheesedb@latest # 命令行

需要 Go 1.26.5 或更新版本。在 macOS 上开发和测试;Linux 在 CI 里跑同样的测试。暂不支持 Windows。

命令行里的花生故事。一个用户对花生过敏;一家餐厅的网页说它的沙嗲酱不含花生;这个网页后来被证明是错的。

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 # 记忆 4:来自 1 或 2 cheesedb remember story "Spice Garden's satay sauce has no peanuts" 3 # 记忆 5 cheesedb remember story "The satay at Spice Garden is safe for the user" 4,5 # 记忆 6:需要 4 和 5

配上 embedding 模型(见设置),用你自己的话提问。在模型设置之前保存的记忆可以用 cheesedb embed 变成可搜索的:

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,列出还活着的记忆:cheesedb active story。

cheesedb recall story 3 fair erase # 已撤销 3;移除的记忆:[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" # 任何地方都找不到(逐字节搜索了每个文件) cheesedb recall story 1 fair erase # 移除的记忆:[]:医生的记录仍然支撑着过敏这一条 cheesedb verify story # OK。头部指纹:...

examples/plain-english 会一步步跑完这个故事,配合 ask 和一个聊天模型,可用于演示或录屏。

s, err := cheesedb.Open("/data/cheesedb") // 你选的一个文件夹,以 0700 创建

(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。

打开原文
去社区讨论 →