内核内存 (^2)

[!CAUTION] 这是一个活跃的研究项目。它正在快速演进，可能会在未经通知的情况下发生变化。使用风险自负。参见 免责声明。

KM² 是对初始研究原型 (prototype) 的全方位重写，汲取了第一版迭代中的经验教训以及该领域相关工作的成果。

之前的代码库仍保留在仓库中，仅供参考。

这两个版本纯粹作为研究项目存在，用于探索新想法并收集社区反馈。

下一步

KM² 的一个重要方面是我们如何构建下一代内存原型。同时，我们的团队正在开发 Amplifier，一个用于元认知 AI 工程 (metacognitive AI engineering) 的平台。我们使用 Amplifier 来构建 Amplifier 本身——以类似的方式，我们正在利用 AI 和 Amplifier 的概念来构建下一代内核内存 (Kernel Memory)。

KM² 将专注于以下领域，准备好后将会有更详细的文档：

• 生成内容的质量
• 隐私
• 协作

免责声明

[!IMPORTANT] 这是实验性软件。预期会出现故障。

• 现阶段不接受贡献
• 不提供稳定性或兼容性保证
• 如需一致性，请锁定特定提交 (commit)
• 旨在作为学习资源，而非生产就绪 (production-ready) 软件
• 不提供支持 - 参见 SUPPORT.md

贡献者

dluc	marcominerva	anthonypuppo	crickman	TaoChenOSU	cherchyk
kbeaugrand	alexmg	alkampfergit	dependabot[bot]	slorello89	xbotter
westdavidr	luismanez	afederici75	koteus	amomra	lecramr
chaelli	pawarsum12	aaronpowell	alexibraimov	akordowski	coryisakson
DM-98	EelcoKoster	GraemeJones104	imranshams	jurepurgar	JustinRidings
Foorcee	v-msamovendyuk	qihangnet	neel015	pascalberger	pradeepr-roboticist
setuc	slapointe	spenavajr	tarekgh	teresaqhoang	tomasz-skarzynski
Valkozaur	vicperdana	walexee	aportillo83	carlodek	KSemenenko
roldengarm	snakex64

Kernel Memory (KM²) 快速上手指南

⚠️ 重要警告

本项目处于活跃研究阶段，正在快速迭代中。

• 代码可能随时变更，不保证稳定性或兼容性。
• 属于实验性软件，请预期会出现错误。
• 目前不提供技术支持，不建议用于生产环境。
• 如需一致性，建议锁定特定提交版本（Pin specific commits）。

---

1. 环境准备

由于 KM² 是一个研究项目，具体依赖取决于您选择的集成方式（如 .NET 或 Python SDK）。建议准备以下基础环境：

• 操作系统: Windows, macOS, Linux
• 开发工具: Git, Visual Studio / VS Code
• 运行时: .NET SDK (推荐 6.0+) 或 Python 3.9+
• 其他依赖: 根据具体功能模块可能需要向量数据库或 LLM 服务支持

---

2. 安装步骤

鉴于项目的实验性质，推荐使用 Git 克隆源码并锁定版本以确保稳定性。

# 克隆仓库
git clone https://github.com/microsoft/kernel-memory.git

# 进入目录
cd kernel-memory

# 切换到特定提交版本（推荐）
git checkout <commit-hash>

注意: 如果需要使用官方发布的包，请查阅最新的 NuGet 或 PyPI 文档，但请注意版本兼容性风险。

---

3. 基本使用

KM² 旨在为 AI 应用提供记忆层支持。以下是基于其核心概念的使用流程示例（具体 API 请参考仓库中的 Sample 代码）：

初始化内存服务

// 伪代码示例，具体实现请参考仓库文档
var builder = KernelMemoryBuilder.Create();
builder.AddMemorySource(...);
builder.AddMemoryTarget(...);
var memory = builder.Build();

存储与检索

利用 KM² 管理上下文信息，支持隐私保护和内容质量优化。

# 运行示例程序（如有）
dotnet run --project samples/YourSample.csproj

---

4. 注意事项

• 贡献说明: 当前阶段暂不接受代码贡献。
• 稳定性: 请勿在生产环境中直接使用，除非经过充分测试。
• 未来规划: 团队正结合 Amplifier 平台进行元认知 AI 工程化探索，后续将重点关注生成内容质量、隐私及协作功能。
• 支持: 遇到问题请自行排查，官方不提供支持。详见 SUPPORT.md。