Context Keeper
About
**Context Keeper** 基于LLM驱动的智能上下文记忆管理系统，专为AI Agent提供企业级记忆能力。
Details
- Author
- redleaves
- Downloads
- 301
- Categories
- AI, Knowledge Base
Jump to
- Wide recall + fine ranking architecture (80%+ recall, 75%+ accuracy)
- Four-dimensional unified context model (Project, Topic, Conversation, Code)
- Full MCP protocol support (HTTP/WebSocket/SSE)
- Automatic short-term to long-term memory conversion with LLM importance evaluation
- User/workspace isolation and 10,000+ QPS enterprise performance
- IDE integrations for Cursor and VSCode
Visit the open-source repository at github.com/redleaves/context-keeper for source code, documentation, and configuration instructions.
Context Keeper - 让AI助手真正拥有记忆
你是否遇到过这样的困扰：每次对话都要从零开始向AI助手解释项目背景？同样的问题反复询问，AI却总是"失忆"？团队知识无法沉淀，老员工离职带走核心经验？
Context Keeper 正是为解决这些痛点而生。它是业界首个基于LLM驱动的智能上下文记忆管理系统，让AI助手拥有真正的"记忆"能力。
🚀 核心创新
宽召回+精排序架构：传统RAG系统面临召回率与准确率无法兼顾的困境。Context Keeper独创两阶段架构：
阶段一（宽召回）：多维度并行检索~100条候选，融合向量（语义）、时间线（时序）、知识图谱（关系）三个维度，召回率达80%+
阶段二（精排序）：LLM智能分析质量、相关性，去重消冗，准确率提升至75%+
四维统一上下文模型：
ProjectContext：项目技术栈、架构特征
TopicContext：讨论主题、关键实体
ConversationContext：对话流程、意图变化
CodeContext：文件关联、编辑追踪
💡 技术特性
完整MCP协议支持：HTTP/WebSocket/SSE三种传输方式，工具即服务
智能记忆管理：短期/长期记忆自动转换，LLM评估重要性
企业级可靠：用户/工作空间隔离，10000+ QPS性能
IDE深度集成：Cursor/VSCode扩展，自动上下文追踪
🎯 应用场景
代码审查助手：自动关联历史讨论，智能发现潜在问题
新人Onboarding：快速查询架构决策，自助学习项目经验
团队知识库：持续沉淀技术积累，形成组织记忆
开源地址：github.com/redleaves/context-keeper
让我们一起构建更智能的未来！
Sign in to leave a review
Use Google, GitHub, or an email account so ratings stay tied to real people.
No reviews posted yet.
