agentmemory

agentmemory 是一个为 AI 编码代理设计的自托管持久内存引擎。它解决了代理在会话之间丢失上下文的问题，通过静默捕获代理的操作，将其压缩为可搜索的内存，并在下次会话开始时注入相关上下文。该项目基于 iii 引擎（固定为 v0.11.2）构建，需要 Node.js 20 或更高版本。 安装只需一条命令：`npx -y @agentmemory/agentmemory@latest`。首次运行为交互式，让您选择要连接的代理（如 Claude Code、Cursor、Codex、Gemini CLI、OpenCode 等），选择 LLM 提供商或保持无密钥模式，并可选择全局安装。演示命令会填充示例会话并测试召回功能以验证设置。 该系统适用于任何支持钩子、MCP 或 REST API 的代理。它内置了针对 Claude Code（12 个钩子）、Codex CLI（6 个钩子）、OpenCode（22 个钩子）、Devin（6 个钩子）等的原生插件和钩子，并支持 GitHub Copilot CLI、Cursor、Gemini CLI、Cline、Goose、Kilo Code、Claude Desktop、Roo Code 等 MCP 服务器。所有连接的代理共享一个内存服务器，因此无论切换到哪个代理，内存都会持久保留。 搜索采用混合方法，结合 BM25 关键词搜索、向量嵌入和结构图匹配，并通过倒数排名融合（RRF）进行融合。在无密钥模式下（无 API 密钥），向量嵌入被禁用，由 BM25 处理检索。要实现免费的设备端语义召回，设置 `EMBEDDING_PROVIDER=local` 会在首次请求后本地下载 Xenova/all-MiniLM-L6-v2 模型。项目报告在 LongMemEval-S（500 个问题）上 R@5 为 95.2%，在其内部 coding-agent-life-v1 语料库上 top-5 命中率为 100%。 内存生命周期包括四级整合、衰减和自动遗忘，因此过时信息会被自动修剪。系统提供 54 个 MCP 工具和 12 个自动钩子，实现零手动捕获。实时查看器运行在端口 3113 上，用于检查存储的内存。运行时使用四个端口：3111 用于 REST/MCP HTTP，3112 用于 iii 流，3113 用于查看器，49134 用于 iii worker WebSocket。持久状态存储在平台特定目录中（macOS：~/Library/Application Support/agentmemory，Linux：$XDG_DATA_HOME/agentmemory，Windows：%APPDATA%\agentmemory），并可通过 --data-dir 或 AGENTMEMORY_DATA_DIR 覆盖。 该项目强调令牌效率，声称每年约 17 万令牌，而粘贴完整上下文需 1950 万以上，成本约每年 10 美元或使用本地嵌入为 0 美元。除了 SQLite 和捆绑的 iii-engine 外，无需外部数据库。项目包含用于 LongMemEval-S 及其内部语料库的可复现评估框架，并在 docs/benchmarks 目录中发布评分卡。它还可与 codegraph、Understand Anything 和 Graphify 配合使用，以扩展上下文层能力。