加入文件
把笔记、报告、代码或导出文件所在的目录交给 Mneme。
/files add ./docs本地优先 · 证据可查
你的文档，一套可验证的记忆。
Mneme 在本地建立索引，找回关键内容，并让每个回答回到可查的来源。
本地索引文件留在你的工作区
回答附来源每个结论都可回查
Python CLI + TUI为开发者构建
01
本地索引发现、解析和检索都在你的机器上完成。
02
来源引用回答指向可以打开检查的文件、页码和片段。
03
明确的数据边界只有使用已配置的 LLM 端点时，检索片段才会外发。
工作方式
从散落文件，到可以检查的记忆。
Mneme 让流程保持清楚：从已有文档开始，一直跟到问题、回答和背后的证据。
建立记忆
本地解析和索引把文档变成可以检索的片段。
index fingerprint: 8c3f…跨文档提问
在一个问题里同时寻找语义、精确词语和关联上下文。
/mode graph检查证据
在相信结论前，打开它引用的文件、页码或片段。
[S1] report.pdf · p.12能力
真正有用的，是你能检查它。
内部机制共同支撑一个清楚的结果：找到正确段落，跟随它的关系，并保持边界在你的控制之下。
找到关键内容
同时照顾语义和精确措辞的检索。
Hybrid Retrieval
Sentence Transformers · ChromaDB · BM25 · RRF
语义检索帮助理解概念；词法检索保留名称、ID 和精确短语。
了解 Hybrid Retrieval →跟随文档关系
用看得见的路径回答跨文档问题。
Graph RAG
实体 · 关系 · index fingerprint
关系扩展帮助连接会议纪要、决策和解释变化的原始段落。
了解 Graph RAG →保持边界清楚
一套可以准确说明的数据边界。
Safety by design
本地缓存 · 有界输入 · 已配置端点
本地索引留在本机。使用 LLM 能力时，检索片段只会发送到你配置的端点。
阅读安全边界 →证据演示
只有能打开它的路径，回答才真正有用。
Q · 两次项目评审之间发生了什么变化？
项目在明确错误预算和数据边界后，从原型验证进入了有界试点。
回答结合了决策记录和后续安全评审。展开来源，可以看到 Mneme 保留下来的定位信息。
S1 · review-notes.md · p.4
决策记录 · “试点范围限制在本地语料和已配置端点内。”
S2 · safety-review.pdf · p.12
安全评审 · “只有检索片段会被发送用于生成回答。”
S3 · changelog.md · #2026-07
更新记录 · 增加有界文档处理和带来源的 TUI 视图。
数据边界
本地优先不是口号，而是一条边界。
下面是准确的划分。本地流程可以独立工作；LLM 能力只增加一次明确、可配置的交接。
始终在本地
- 文件发现和解析
- 索引与缓存管理
- 向量与 BM25 检索
terminal
# clone and install
git clone https://github.com/realhenrylan/mneme.git
cd mneme
python -m venv .venv
.venv\Scripts\Activate.ps1
python -m pip install -e ".[dev]"
python -m tui# clone and install
git clone https://github.com/realhenrylan/mneme.git
cd mneme
python -m venv .venv
source .venv/bin/activate
python -m pip install -e ".[dev]"
python -m tui