AuraSDK（仓库名 aura-memory）是一个本地认知记忆运行时，可在任意冻结模型旁运行，为 AI 智能体提供持久记忆与可审计的认知层。其核心思路是：模型本身保持不变，通过本地累积结构化经验来增强智能体表现，无需微调、无需嵌入向量、无需云端训练，也不需要 API 密钥。项目采用纯 Rust 编写，离线优先，专利待审。
用途与定位 Aura 面向需要跨会话语义记忆的智能体场景，将仅依赖提示词、容易遗忘的智能体转变为可审计、具备记忆感知的系统。它强调确定性、本地召回，不要求嵌入或 LLM 调用。官方明确指出：Aura 是免费且本地的第三条路径——不同于昂贵的微调，也不同于需要嵌入与向量数据库的 RAG。
主要能力 记忆与召回：提供持久化召回、时间版本管理与来源（provenance）追踪。recall() 默认返回来源上下文，一手记忆优先，网络、文档与工具内容以数据形式被围栏隔离并引用，防止外来文本中的指令影响模型。 安全配置：支持 security="strict"、set_security_profile() 与 security_report()。通过 MCP 写入的记忆被标记为 inferred，而非用户原话，避免单一不可信来源重复声明挤占一手事实。 多层认知管线：Record → Belief（±5%）→ Concept（±4%）→ Causal（±3%）→ Policy（±2%），各层可单独配置或一次性启用。高层还提供只读的建议性输出，如稳定概念抽象、学习到的因果模式与策略提示（Prefer / Avoid / Warn），不会自动影响行为。 可解释性与纠错：提供 explain_recall()、explain_record()、provenance_chain()、explainability_bundle()；支持定向撤回/弃用 API、持久纠错日志、纠错审核队列与建议性更正（不自动应用）。 有界自主可塑性：capture_experience()、ingest_experience_batch()、维护阶段集成、反幻觉守卫、可塑性风险评分以及清除/冻结控制。 矛盾与反思：显著度标记（mark_record_salience() 等）、反思摘要（get_reflection_summaries() 等）、信念不稳定摘要、矛盾簇与矛盾审核队列，并在召回解释中标记未解决证据。 证据与决策审计图：以确定性只读模型保存从证据到验证结果的完整链条，覆盖 supports、refutes、contradicts、supersedes、derived_from、recalled_for、used_evidence、used_by、caused、produced、verified_by 等有向关系；状态为仅追加且双时态，历史重建同时使用记录时间与业务时间有效期。 观察性结果回执：可记录候选记录 ID、选中 ID 与分类外部结果，不存储提示词、答案或记忆载荷；支持 schema-v1 与 schema-v2（含日志策略与选中集合概率等字段），键（namespace, task_id, attempt_id）幂等，冲突重试被拒绝，回执带完整性摘要且不影响召回、强度、保留、合并或遗忘。 不可变证据谱系：将提取声明绑定到不可变源修订的精确字节，VerificationStatus 与 AnswerPermission 作为独立门控，高置信度无法覆盖源哈希变更、被取代声明或受阻引用。 上下文胶囊：可请求确定性热上下文投影，优先呈现反驳疤痕、未决证据债务、活跃目标、矛盾、结果、决策与持久领域/身份记录，返回估计 token 数、省略记录数、选择理由与稳定内容哈希；被阻断记录与有效期外的被取代版本不会出现。支持确定性损失感知打包，去除完全重复句子与安全话语前缀，不调用 LLM，不改变存储记录，活跃目标与非文本载荷被排除在压缩之外。 引文锁定检索回合：针对必须可审计的回答，追踪一次检索回合中实际打开的证据，要求每条原子答案声明都有已打开且可引用的来源覆盖；变更、被取代、有争议、仅背景、被阻断、未打开或部分支持的证据无法授权回答。
使用方式与集成 Aura 可独立运行，也可通过 MCP 集成到多个 AI 工具。Rust 特性 mcp-http 与 mcp-bridge 提供受令牌保护的环回 MCP 服务器与 aura-bridge stdio 桥接，使多个客户端共享同一存储；Aura for Windows 桌面应用即基于此。Python 侧可通过 pip install "aura-memory[http]" 安装 HTTP 服务支持，python -m aura serve 在未配置 API 密钥时拒绝监听 localhost 之外；python -m aura capture 是 Claude Code 钩子，用于将用户原话保留为一手记忆。
适用场景 适合希望为智能体建立本地、可审计、可解释记忆系统的开发者与团队，尤其适用于需要跨会话持久记忆、来源追踪、矛盾治理、多工具共享记忆以及对回答进行证据审计的场景。
限制与说明 官方不发布未经测量的速度、成本或功能排名对比；召回质量与速度分开测量，所有数据均为观察结果而非保证，受语料规模、查询形态、缓存状态、启用特性与后台负载影响。冷日志中的弱记录不会自动通过文本查询重新激活。证据图与回执等功能为观察性或建议性，不改变记忆行为。检索回合为短暂只读，不激活或重写记忆。部分高级能力（如基于回执调整排序或保留策略）仍受限于独立的时间留出验证。
