Adaptive Recall：結合認知科學與 MCP 的 AI 動態記憶系統
為何重要
這項工具突破了現有的「記憶貧瘠」問題，不僅改變開發者實作 AI Agent 的方式，更透過混和四種搜尋策略與認知科學模型，將上下文回溯準確度從單純的語句相似度提升到人類層次的關聯推理，對於依賴長期狀態的 Agent 應用意義重大。
現行常見的 AI 記憶 API 僅單純儲存向量並依相似度搜尋，而 Adaptive Recall 提供六層進階功能，運作於 MCP (Model Context Protocol) 協議之上。
- 系統並行執行四種搜尋策略：向量相似度、時間遞近、全文關鍵字以及知識圖譜遍歷。
- 依據 ACT-R 啟用模型排名，考量要素包含新穎度、存取頻率、實體連結與驗證信心值。
- 記憶體非靜態資料表，具備動態生命週期，會根據實體關係與證據自動調整信心值、增加或衰減。