Skip to content

README.ar.md

Latest commit

 

History

History
284 lines (208 loc) · 10.5 KB

README.ar.md

File metadata and controls

284 lines (208 loc) · 10.5 KB
simplemem_logo

ذاكرة مدى الحياة فعّالة لوكلاء نماذج اللغة الكبيرة — Text & Multimodal

تخزين وضغط واسترجاع الذكريات طويلة المدى من خلال الضغط الدلالي بدون فقدان. متوافق مع Claude وCursor وLM Studio والمزيد.

يعمل مع أي منصة ذكاء اصطناعي تدعم بروتوكول MCP أو تكامل Python

Claude Desktop
Claude Desktop 		Cursor
Cursor 		LM Studio
LM Studio 		Cherry Studio
Cherry Studio 		PyPI
حزمة PyPI 		+ أي عميل
MCP

🔥 أحدث الأخبار

  • [02/09/2026] 🚀 ذاكرة عبر الجلسات متاحة الآن - تفوق على Claude-Mem بنسبة 64%! يدعم SimpleMem الآن الذاكرة المستمرة عبر المحادثات. في اختبار LoCoMo، يحقق SimpleMem تحسنًا بنسبة 64% مقارنة بـ Claude-Mem. يمكن لوكلائك الآن تذكر السياق والقرارات والتعلمات من الجلسات السابقة تلقائيًا. توثيق Cross-Session →
  • [01/20/2026] SimpleMem متاح الآن على PyPI! 📦 ثبّته مباشرة عبر pip install simplemem. عرض دليل استخدام الحزمة →
  • [01/18/2026] SimpleMem يدعم الآن Claude Skills! 🚀
  • [01/14/2026] خادم MCP لـ SimpleMem أصبح متاحاً ومفتوح المصدر! 🎉 خدمة ذاكرة سحابية على mcp.simplemem.cloud. توثيق MCP →
  • [01/05/2026] تم نشر ورقة SimpleMem على arXiv!

🌟 نظرة عامة

مقايضة الأداء مقابل الكفاءة

يحقق SimpleMem أعلى درجة F1 (43.24%) بأقل تكلفة رموز (~550).

SimpleMem هو إطار عمل فعّال للذاكرة يعتمد على الضغط الدلالي بدون فقدان، يعالج التحدي الأساسي المتمثل في الذاكرة طويلة المدى الفعّالة لوكلاء LLM. يعمل SimpleMem على تعظيم كثافة المعلومات واستخدام الرموز من خلال خط أنابيب مكون من ثلاث مراحل:

🔍 المرحلة 1

الضغط الدلالي المُهيكل

تقطير التفاعلات غير المُهيكلة إلى وحدات ذاكرة مدمجة مع فهرسة متعددة الأوجه

🗂️ المرحلة 2

التوليف الدلالي المباشر

دمج فوري للسياق المرتبط في تمثيلات مجردة موحدة لإزالة التكرار

🎯 المرحلة 3

تخطيط الاسترجاع الواعي بالنية

استنتاج نية البحث لتحديد نطاق الاسترجاع ديناميكياً وبناء سياق دقيق بكفاءة
بنية SimpleMem

🏆 مقارنة الأداء

النموذج ⏱️ وقت البناء 🔎 وقت الاسترجاع ⚡ الوقت الإجمالي 🎯 متوسط F1
A-Mem 5140.5s 796.7s 5937.2s 32.58%
LightMem 97.8s 577.1s 675.9s 24.63%
Mem0 1350.9s 583.4s 1934.3s 34.20%
SimpleMem ⭐ 92.6s 388.3s 480.9s 43.24%

📦 التثبيت

git clone https://github.com/aiming-lab/SimpleMem.git
cd SimpleMem
pip install -r requirements.txt
cp config.py.example config.py

⚡ البدء السريع

from main import SimpleMemSystem

system = SimpleMemSystem(clear_db=True)
system.add_dialogue("Alice", "Bob, let's meet at Starbucks tomorrow at 2pm", "2025-11-15T14:30:00")
system.add_dialogue("Bob", "Sure, I'll bring the market analysis report", "2025-11-15T14:31:00")
system.finalize()

answer = system.ask("When and where will Alice and Bob meet?")
print(answer)

🧠 Omni-SimpleMem: Multimodal Memory

NEW — SimpleMem now handles text, image, audio & video.

📈 +411%
LoCoMo F1		 📈 +214%
Mem-Gallery F1		 ⚡ 5.81 q/s
3.5x faster		 🧠 4 modalities
Text · Image · Audio · Video

📖 Full documentation: Omni-SimpleMem →

🔌 خادم MCP (text memory)

🌐 الخدمة السحابية: mcp.simplemem.cloud

{
  "mcpServers": {
    "simplemem": {
      "url": "https://mcp.simplemem.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
      }
    }
  }
}

📖 توثيق MCP

🗺️ خارطة الطريق

  • Omni cross-session memory
  • Omni MCP server
  • Omni Docker support
  • Omni PyPI package
  • Streaming ingestion
  • Multi-agent memory sharing

📊 التقييم

python test_locomo10.py
python test_locomo10.py --num-samples 5

📝 الاقتباس

@article{simplemem2025,
  title={SimpleMem: Efficient Lifelong Memory for LLM Agents},
  author={Liu, Jiaqi and Su, Yaofeng and Xia, Peng and Zhou, Yiyang and Han, Siwei and  Zheng, Zeyu and Xie, Cihang and Ding, Mingyu and Yao, Huaxiu},
  journal={arXiv preprint arXiv:2601.02553},
  year={2025},
  url={https://github.com/aiming-lab/SimpleMem}
}

📄 الرخصة

هذا المشروع مرخص بموجب رخصة MIT - انظر ملف LICENSE.

🙏 شكر وتقدير

  • 🔍 نموذج التضمين: Qwen3-Embedding
  • 🗄️ قاعدة بيانات المتجهات: LanceDB
  • 📊 المعيار المرجعي: LoCoMo