context-keeper

给大模型装上持久记忆，告别上下文丢失

context-keeper 是一个基于 Go 语言构建的 AI 记忆管理与智能上下文感知平台，旨在解决大语言模型在长对话或多轮交互中上下文丢失、记忆碎片化的问题。它通过向量检索引擎和 RAG（检索增强生成）技术，将对话历史、用户偏好和业务知识统一存储并高效检索，为 LLM 提供持久化、结构化的记忆能力。核心能力包括：智能上下文管理（自动提取关键信息并压缩存储）、向量化检索（支持语义相似度匹配）、以及灵活的 API 接口，便于集成到各类 AI 应用中。该项目特别适合需要长期记忆的聊天机器人、智能助手和知识库问答系统，能显著提升回答的连贯性和个性化程度。作为早期项目，其架构简洁，易于二次开发，但功能完整度和生态成熟度仍在演进中。