wenlan
★ 86
vs
freshcontext-mcp
★ 12
wenlan vs freshcontext-mcp
wenlan:Wenlan 是一个面向 AI 时代的活态个人知识库,由您的智能体构建并基于其来源。它在会话之间持续演进,将捕获的内容提炼成带来源引用的维基页面,以供检索。;freshcontext-mcp:FreshContext 是一个上下文判断层,旨在确保提供给大型语言模型和 AI 智能体的信息的完整性。它通过在数据到达 LLM 之前评估上下文的新鲜度、来源配置文件和置信度,解决过时或陈旧检索结果的问题,从而防止对错误信息进行自信总结。
01
简评
wenlanRAG / Knowledge Base · ★ 86
捕获AI智能体交互中的决策、经验和事实,以构建持久的知识库。
freshcontext-mcpRAG / Knowledge Base · ★ 12
增强RAG管道:防止LLM总结语义正确但时间上不准确的信息。
02
并排对比
字段
分类
RAG / 知识库
RAG / 知识库
Stars
★ 86
★ 12
许可证
Apache-2.0
MIT
安装方式
npx -y wenlan setup && ~/.wenlan/bin/wenlan install
git clone https://github.com/PrinceGabriel-lgtm/freshcontext-mcp && cd freshcontext-mcp && npm install && npx playwright install chromium && npm run build
更新时间
1天前
3周前
开源
是
是
标签
AI智能体记忆, 个人知识管理, 检索增强生成
检索增强生成, 上下文管理, 大型语言模型增强
03
功能特性
01可信赖且附带来源的知识页面,具备幻觉预防和事实去重功能。
02自进化的知识库,在会话之间自动更新和提炼,无需手动维护。
03所有记忆、页面和会话都进行真实的Git版本控制,支持检查、差异对比和回滚。
04统一的本地守护进程,为多个MCP兼容的AI客户端提供上下文。
05混合检索系统,利用向量嵌入、FTS5和图上下文进行相关回忆。
01上下文完整性基础设施:作为检索和推理之间的判断层,确保AI智能体和LLM的上下文质量。
02衰减调整相关性(DAR)引擎:根据发布时间和特定来源的衰减常数,修正语义相关性。
03结构化上下文封装:用来源、发布/检索日期和置信度等元数据封装内容,提高透明度。
04决策优先输出:提供关于上下文效用和置信度的明确决策、行动、警告和指标。
05可扩展的参考适配器:自带多种来源类别(如GitHub、HackerNews、arXiv)的适配器,用于抓取和处理数据。
04
使用场景
↳捕获AI智能体交互中的决策、经验和事实,以构建持久的知识库。
↳在多个AI智能体会话和项目之间保持连续且与主题相关的上下文。
↳将原始的智能体捕获内容和现有文档提炼成可信赖、附带来源的维基页面。
↳在Claude Code、Cursor和VS Code等各种AI开发环境中集成共享记忆和上下文层。
↳增强RAG管道:防止LLM总结语义正确但时间上不准确的信息。
↳AI智能体信息质量:通过评估来源完整性,确保AI智能体基于最新和验证过的上下文做出决策。
↳竞争情报与市场研究:从多个来源收集带有时间戳、经衰减评分的情报,用于商业洞察。
↳尽职调查与依赖管理:检查软件依赖项的活跃维护状态或公司的重要信息披露。
↳实时情报馈送:作为Cloudflare Worker部署,提供连续、经衰减评分、去重的情报馈送。
FAQ
常见问题
wenlan 和 freshcontext-mcp 有什么区别?
wenlan 和 freshcontext-mcp 都属于 RAG / Knowledge Base 类别。wenlan 有 86 Stars,freshcontext-mcp 有 12 Stars。
wenlan 和 freshcontext-mcp 哪个更好?
最佳选择取决于你的具体需求。捕获AI智能体交互中的决策、经验和事实,以构建持久的知识库。 时选 wenlan,增强RAG管道:防止LLM总结语义正确但时间上不准确的信息。 时选 freshcontext-mcp。
wenlan 是免费的吗?
是的,wenlan 在 GitHub 开源(Apache-2.0)。
freshcontext-mcp 是免费的吗?
是的,freshcontext-mcp 在 GitHub 开源(MIT)。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器,新用户立享 $200 免费额度(60天有效)。
→