agentmemory是什么AI编程智能体持久记忆的完整指南【免费下载链接】agentmemory#1 Persistent memory for AI coding agents based on real-world benchmarks项目地址: https://gitcode.com/GitHub_Trending/age/agentmemoryagentmemory 是一款面向AI编程智能体AI coding agents的开源持久记忆解决方案它作为后台记忆服务器运行自动捕获 AI 编程助手的每一次操作压缩为可搜索的记忆并在下一次会话开始时自动注入相关上下文。它基于 MCPModel Context Protocol构建可连接 Claude Code、Cursor、Codex CLI、Gemini CLI 等 20 智能体在 LongMemEval-S 真实基准上取得95.2% 的检索准确率并比全量粘贴上下文方式节省约 92% 的 Token。为什么需要 agentmemoryAI 智能体的金鱼记忆难题如果你用过 Claude Code、Cursor 等 AI 编程工具一定经历过这样的循环每次新会话都要重新解释项目架构和技术选型同一个 Bug智能体反复发现、反复修复你的偏好命名风格、测试习惯每次都要重新教一遍内置的CLAUDE.md、.cursorrules这类便签式记忆有 200 行上限很快就会过时。agentmemory 的思路完全不同——它像一个可搜索的记忆数据库在后台静默工作会话 1给 API 加认证 智能体写代码、跑测试、修 Bug agentmemory 静默捕获每一步工具调用 会话结束 → 观察记录被压缩为结构化记忆 会话 2现在加限流 智能体已经知道 - 认证用了 src/middleware/auth.ts 里的 JWT 中间件 - 测试在 test/auth.test.ts 覆盖了令牌校验 - 你为了 Edge 兼容选了 jose 而不是 jsonwebtoken 零重复解释直接上手干活agentmemory 的 4 大核心能力 ⚡1. 零手动自动捕获12 个生命周期钩子agentmemory 通过 12 个钩子hooks在智能体生命周期的每个关键节点自动记录完全无需手动干预。钩子逻辑位于 src/hooks/ 目录配置见 plugin/hooks/hooks.json钩子捕获内容SessionStart项目路径、会话 IDPostToolUse工具名称、输入、输出PostToolUseFailure报错上下文PreCompact压缩前重新注入记忆Stop/SessionEnd会话总结与结束标记每条捕获还会经过SHA-256 去重5 分钟窗口和隐私过滤器——API 密钥、密钥等敏感信息在存储前自动剥离。2. 三路混合检索BM25 向量 知识图谱这是 agentmemory 的记忆搜索引擎核心实现见 src/state/hybrid-search.ts 与 src/functions/search.ts三条检索流并行打分再用 RRF 融合检索流原理适用场景BM25词干化关键词匹配 同义词扩展始终启用向量稠密嵌入的余弦相似度已配置嵌入提供方时图谱知识图谱实体遍历查询中检测到实体时效果示例搜索database performance optimization数据库性能优化它能精准找到你上次N1 查询修复的记录——这是纯关键词匹配做不到的。3. 四层记忆固化借鉴人脑记忆机制 agentmemory 模拟人脑的记忆处理过程含睡眠期固化在 src/functions/consolidate.ts 中实现层级内容类比工作记忆工具调用产生的原始观察短期记忆情景记忆压缩后的会话摘要发生了什么语义记忆提炼出的事实与模式我知道什么程序记忆工作流与决策模式该怎么做记忆还会随时间衰减艾宾浩斯曲线常被访问的记忆会增强过时的自动淘汰矛盾的记忆会被检测并解决。4. 54 个 MCP 工具 17 个技能agentmemory 将核心能力封装为 54 个 MCP 工具如memory_recall、memory_smart_search、memory_sessions和 17 个原生技能/recall、/remember、/forget、/recap等任何支持 MCP 的客户端都能即插即用。工具注册表见 src/mcp/tools-registry.ts。agentmemory 安装教程一条命令完成部署 最快的安装方式需要 Node.js 20npx agentmemory/agentmemory首次运行是交互式设置向导选择要接入的智能体、选择 LLM 提供方也可以完全无 Key 运行然后自动启动记忆服务器默认端口3111。30 秒验证效果——注入 3 个真实场景JWT 认证、N1 修复、限流并观察语义检索npx agentmemory/agentmemory demo打开http://localhost:3113即可看到实时记忆查看器会话流、记忆列表、知识图谱、健康仪表盘一览无余还能回放Replay每一段历史会话的时间线。如果需要从源码安装可克隆仓库后构建git clone https://gitcode.com/GitHub_Trending/age/agentmemory cd agentmemory npm install npm run build npm start日常常用命令命令作用agentmemory启动记忆服务器agentmemory stop停止服务器agentmemory connect agent接入另一个智能体agentmemory doctor交互式诊断 一键修复agentmemory remove卸载并清理所有配置支持哪些 AI 编程智能体一个服务器全部共享agentmemory 兼容任何支持hooks、MCP 或 REST API的智能体所有智能体共享同一个记忆服务器Claude Code原生插件 12 个钩子 MCPCodex CLI / GitHub Copilot CLI插件钩子 MCPCursor / Cline / Roo Code / Goose原生插件或标准 MCPGemini CLI / Antigravity / Kiro / Warp / Zed / Droidagentmemory connect一键接入Devin / OpenCode / Aider钩子、MCP 或 REST API每个智能体的接入适配器源码位于 src/cli/connect/完整配置说明见 README.md 的 Works with every agent 章节。agentmemory 工作原理零外部依赖的记忆流水线agentmemory 构建在 iii 引擎 之上不需要安装 Postgres、Redis 或任何外部数据库仅用 SQLite 内置向量索引1,674 个测试全部通过。记忆流水线分四步捕获PostToolUse钩子触发 → 去重 → 隐私过滤 → 存原始观察压缩LLM 将观察压缩为结构化事实 概念 叙事生成向量嵌入索引同时写入 BM25 与向量索引注入SessionStart时加载项目画像混合搜索后按 2000 Token 预算注入对话得益于 iii 引擎agentmemory 还自带可观测性每个记忆操作都产生 OpenTelemetry 追踪。在 Workers 页面可以看到 agentmemory 工作器的在线状态与函数数量在 Traces 页面你能以瀑布图看清一次memory_smart_search内部如何走 BM25 扫描 → 嵌入查找 → RRF 融合 → 重排序实测基准数据95.2% 检索准确率92% Token 节省 检索准确率LongMemEval-SICLR 2025500 题系统R5R10MRRagentmemory95.2%98.6%88.2%BM25-only 回退86.2%94.6%71.5%Token 成本对比按年估算方案年 Token 量年成本全量粘贴上下文1950 万超出窗口不可行LLM 摘要~65 万约 $500agentmemory~17 万约 $10agentmemory 本地嵌入~17 万$0本地嵌入默认使用all-MiniLM-L6-v2免费、离线、无需 API Key。完整报告见 benchmark/LONGMEMEVAL.md、与 mem0 / Letta 等 9 家竞品的横向对比见 benchmark/COMPARISON.md。开始之前隐私、端口与常见问题 ✅隐私优先API 密钥、密钥、private标签内容在存储前被自动剥离默认本地运行、数据不出机器端口说明3111REST API / 健康检查3113实时查看器默认仅绑定127.0.0.1云端部署提供 fly.io、Railway、Render、Coolify 一键模板详见 deploy/README.md出问题先跑agentmemory doctor交互式诊断更多故障排查见 INSTALL_FOR_AGENTS.md 与 READMEs/README.zh-CN.md总结agentmemory 解决了 AI 编程智能体最普遍的痛点——会话结束即失忆。一条命令安装、零外部数据库、12 个钩子自动捕获、三路混合检索、95.2% 的基准准确率再加一个能实时观看它记住了什么的可视化面板。无论你用 Claude Code 还是 Cursor装上它之后你的 AI 助手终于能记住你的一切。【免费下载链接】agentmemory#1 Persistent memory for AI coding agents based on real-world benchmarks项目地址: https://gitcode.com/GitHub_Trending/age/agentmemory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考