इस प्रोजेक्ट के बारे में

agentmemory एक स्व-होस्टेड पर्सिस्टेंट मेमोरी इंजन है जो AI कोडिंग एजेंटों के लिए डिज़ाइन किया गया है। यह एजेंटों के बीच सत्रों में संदर्भ खोने की समस्या को हल करता है, जो एजेंट जो करता है उसे चुपचाप कैप्चर करके, उसे खोजने योग्य मेमोरी में संपीड़ित करके, और अगले सत्र शुरू होने पर प्रासंगिक संदर्भ इंजेक्ट करता है। परियोजना iii इंजन (v0.11.2 पर पिन किया गया) पर बनाई गई है और Node.js 20 या नए की आवश्यकता है। स्थापना एक एकल कमांड है: `npx -y @agentmemory/agentmemory@latest`। पहला रन इंटरैक्टिव है, जिससे आप चुन सकते हैं कि कौन से एजेंटों को वायर करना है (Claude Code, Cursor, Codex, Gemini CLI, OpenCode, और अधिक), एक LLM प्रदाता चुनें या बिना कुंजी रहें, और वैकल्पिक रूप से वैश्विक रूप से स्थापित करें। एक डेमो कमांड नमूना सत्र बोता है और सत्यापन के लिए रिकॉल का अभ्यास करता है। सिस्टम किसी भी एजेंट के साथ काम करता है जो हुक्स, MCP, या REST API का समर्थन करता है। यह Claude Code (12 हुक्स), Codex CLI (6 हुक्स), OpenCode (22 हुक्स), Devin (6 हुक्स), और अन्य के लिए मूल प्लगइन्स और हुक्स भेजता है, साथ ही GitHub Copilot CLI, Cursor, Gemini CLI, Cline, Goose, Kilo Code, Claude Desktop, Roo Code, और अधिक के लिए MCP सर्वर समर्थन। एक एकल मेमोरी सर्वर सभी कनेक्टेड एजेंटों के बीच साझा किया जाता है, इसलिए मेमोरी बनी रहती है चाहे आप किसी भी एजेंट पर स्विच करें। खोज एक हाइब्रिड दृष्टिकोण का उपयोग करती है जो BM25 कीवर्ड खोज, वेक्टर एम्बेडिंग, और संरचनात्मक ग्राफ मिलान को जोड़ती है, जो Reciprocal Rank Fusion (RRF) के माध्यम से फ्यूज किया जाता है। बिना कुंजी मोड में (कोई API कुंजी नहीं), वेक्टर एम्बेडिंग अक्षम हैं और BM25 पुनर्प्राप्ति को संभालता है। मुफ्त ऑन-डिवाइस अर्थपूर्ण रिकॉल के लिए, `EMBEDDING_PROVIDER=local` सेट करने से पहले अनुरोध के बाद Xenova/all-MiniLM-L6-v2 मॉडल स्थानीय रूप से डाउनलोड होता है। परियोजना LongMemEval-S (500 प्रश्न) पर 95.2% R@5 और अपने इन-हाउस कोडिंग-एजेंट-लाइफ-v1 कॉर्पस पर 100% शीर्ष-5 हिट दर की रिपोर्ट करती है। मेमोरी जीवनचक्र में चार-स्तरीय समेकन, क्षय, और स्वचालित-भूल शामिल है, इसलिए पुरानी जानकारी स्वचालित रूप से छंटनी की जाती है। सिस्टम शून्य-मैनुअल-प्रयास कैप्चर के लिए 54 MCP टूल और 12 ऑटो हुक्स प्रदान करता है। संग्रहीत मेमोरी का निरीक्षण करने के लिए एक रीयल-टाइम व्यूअर पोर्ट 3113 पर चलता है। रनटाइम चार पोर्ट का उपयोग करता है: 3111 REST/MCP HTTP के लिए, 3112 iii स्ट्रीम के लिए, 3113 व्यूअर के लिए, और 49134 iii वर्कर WebSocket के लिए। पर्सिस्टेंट स्टेट प्लेटफ़ॉर्म-विशिष्ट निर्देशिकाओं में रहता है (macOS: ~/Library/Application Support/agentmemory, Linux: $XDG_DATA_HOME/agentmemory, Windows: %APPDATA%\agentmemory) और इसे --data-dir या AGENTMEMORY_DATA_DIR के साथ ओवरराइड किया जा सकता है। परियोजना टोकन दक्षता पर जोर देती है, प्रति वर्ष लगभग 170K टोकन का दावा करती है बनाम पूर्ण संदर्भ चिपकाने के लिए 19.5M+, लागत लगभग $10/वर्ष या स्थानीय एम्बेडिंग के साथ $0। इसे SQLite और बंडल iii-engine के अलावा कोई बाहरी डेटाबेस की आवश्यकता नहीं है। परियोजना में LongMemEval-S और अपने इन-हाउस कॉर्पस के लिए एक प्रतिलिपि प्रस्तुत करने योग्य मूल्यांकन हार्नेस शामिल है, जिसमें docs/benchmarks निर्देशिका में प्रकाशित स्कोरकार्ड हैं। यह व्यापक संदर्भ-परत क्षमताओं के लिए codegraph, Understand Anything, और Graphify के साथ भी जोड़ता है।