Waggle-mcp
★ 44
vs
kaeru
★ 40
Waggle-mcp vs kaeru
Waggle-mcp：Waggle-mcp为AI代理提供一个持久的、基于图的记忆，能够跨会话记住决策、原因和矛盾，从而克服短上下文窗口的限制。它作为MCP兼容AI客户端的本地优先记忆层，实现丰富、结构化的上下文检索，而非简单的文本片段。；kaeru：Kaeru 是一个面向 LLM 代理的本地优先、跨代理认知引擎，提供了一个类型化属性图谱和一个用于长期记忆的回忆层。它支持多会话和多代理连续性，使代理能够随着时间推移保持完整的上下文、追溯来源并利用共享知识。
01
简评
Waggle-mcpMemory & Context · ★ 44
为AI编码助手在不同开发会话中维护长期对话记忆。
kaeruMemory & Context · ★ 40
代理需要从之前的会话中召回其思考过程和项目上下文。
02
并排对比
03
功能特性
Waggle-mcp01默认使用SQLite作为后端的持久图记忆，并支持可选的Neo4j。
02作为MCP服务器与Claude、Cursor、Gemini CLI等多种AI客户端集成，并支持自动记忆钩子。
03递归上下文组装，提供紧凑、高信号的上下文包，优化令牌使用。
04存储事实、决策和矛盾之间的关系，支持时间查询、差异比较和冲突解决。
05使用本地嵌入模型，支持确定性离线回退，保障隐私和本地操作。
kaeru01双层图谱（操作型/海马体和档案型/皮层），用于活跃思考和沉淀知识。
02双时态特性，原生支持断言/撤销历史，实现时间旅行查询和非破坏性冲突解决。
03按项目范围划分和分层重入机制，用于在会话间恢复项目上下文，并按需访问归档知识。
04可选的跨代理云层共享，允许信任的团队在安全门控下共享沉淀知识。
05结构化召回，基于精确名称查找、类型化图遍历和 FTS 模糊回退，而非主要依赖向量嵌入。
04
使用场景
Waggle-mcp↳为AI编码助手在不同开发会话中维护长期对话记忆。
↳检索过去的决策、约束和偏好，以指导当前的AI代理行为。
↳跟踪项目需求或设计选择中的变化并解决矛盾。
↳导出和共享AI代理记忆快照，用于机器/会话之间的协作或迁移。
↳通过Graph Studio检查底层知识图谱，调试AI代理的推理并理解上下文。
kaeru↳代理需要从之前的会话中召回其思考过程和项目上下文。
↳代理团队需要共享并基于集体的长期知识库进行工作。
↳代理希望在特定的项目范围内捕获新的观察或假设。
↳追溯代理所做知识片段或决策的出处和历史。
FAQ
常见问题
Waggle-mcp 和 kaeru 有什么区别？
Waggle-mcp 和 kaeru 都属于 Memory & Context 类别。Waggle-mcp 有 44 Stars，kaeru 有 40 Stars。
Waggle-mcp 和 kaeru 哪个更好？
最佳选择取决于你的具体需求。为AI编码助手在不同开发会话中维护长期对话记忆。 时选 Waggle-mcp，代理需要从之前的会话中召回其思考过程和项目上下文。 时选 kaeru。
Waggle-mcp 是免费的吗？
是的，Waggle-mcp 在 GitHub 开源（Apache-2.0）。
kaeru 是免费的吗？
是的，kaeru 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）。
→