Ori Mnemos (w skrócie „Ori”) to otwartoźródłowa, działająca lokalnie (local-first) infrastruktura trwałej pamięci dla agentów AI. Nazwa łączy „Ori” (świadomość) z „Mnemos” (pamięć), a hasłem projektu jest „Memory is sovereignty” — użytkownik jest właścicielem swojej pamięci. Autorem projektu jest Aayo Awoyemi; kod udostępniono na licencji Apache-2.0, napisany w TypeScript i dystrybuowany jako pakiet npm (ori-memory).
Pamięć jest przechowywana jako zwykłe pliki Markdown na dysku, wersjonowane w Git — bez uzależnienia od bazy danych czy chmury. Wiedza tworzy graf: pliki Markdown z odnośnikami [[wiki-links]] pełnią rolę skierowanych krawędzi. System dzieli pamięć na trzy strefy o różnym tempie zanikania: Tożsamość (self/), Wiedza (notes/) i Operacje (ops/).
Wyszukiwanie łączy cztery sygnały (four-signal retrieval fusion): osadzenia semantyczne (embeddings), dopasowanie słów kluczowych BM25, spersonalizowany PageRank oraz asocjacyjną „ciepłotę” (warmth). Zapominanie oparto na równaniach uczenia bazowego z teorii ACT-R, a węzły krytyczne strukturalnie są chronione przy użyciu algorytmu Tarjana. Recursive Memory Harness (RMH) realizuje wyszukiwanie podążające po grafie, dekompozycję pytań na podpytania z wykrywaniem zbieżności oraz przekształcanie grafu poprzez uczenie Hebbowskie.
Ori udostępnia 16 narzędzi przez Model Context Protocol (MCP) i integruje się z klientami takimi jak Claude Code (pełna integracja z hookami), Hermes Agent, OpenCode, Cursor i Codex. W testach na zbiorze HotpotQA autor raportuje względem Mem0 3,1× lepszy recall, 2,1× wyższy wynik F1 oraz 9,5× niższą latencję, działając lokalnie na Markdown + SQLite.
