SuperLocalMemory：具备贝叶斯信任防御、防记忆投毒的隐私保护多智能体记忆

我们提出SuperLocalMemory，一个本地优先的多智能体AI记忆系统，通过架构隔离与贝叶斯信任评分防御OWASP ASI06记忆投毒，并经自适应学习排序个性化检索——全程不依赖云端或LLM推理调用。随着AI智能体日益依赖持久记忆，云端记忆系统制造了集中式攻击面，被投毒记忆可跨会话与用户传播——这一威胁已在针对生产系统的有记录攻击中得到证实。该架构结合SQLite存储与FTS5全文检索、基于Leiden的知识图谱聚类、带逐智能体来源记录的事件驱动协调层，以及通过三层行为分析（跨项目技术偏好、项目上下文检测、工作流模式挖掘）学习用户偏好的自适应重排框架。跨七个基准维度的评估显示：搜索中位延迟10.6毫秒，10个并发智能体下零并发错误，休眠攻击下信任分离（差距0.90）且信任度下降72%，启用自适应重排后NDCG@5提升104%。行为数据隔离于独立数据库，支持GDPR第17条删除权。SuperLocalMemory开源（MIT），经模型上下文协议（MCP）与17个以上开发工具集成。