Agentmemory
rohitg00 · 程式設計
Agentmemory 是一個 local-first 記憶執行環境，讓你的 AI 編碼代理擁有能跨越工作階段結束的記憶。這是給編碼代理用的持久記憶，而且不必上雲。它透過 hook 擷取代理的動作，把原始日誌濃縮成可長久保存的記憶，並在毫秒內取回正確的脈絡。全部都在你的機器上執行。你的程式碼與處理它的代理之間，不必夾著任何外部資料庫、向量儲存或佇列。
關於 Agentmemory
Agentmemory 是什麼
Agentmemory 是 AI 編碼代理的記憶層，為那些每天早上都得向全新工作階段重新解釋同一個專案、已經受夠了的開發者而打造。它觀察代理的動作，把這些觀察轉成有型別的記憶，並在下一個任務開始時把相關的挑出來交回去。把它想成你的編碼代理出廠時從未附上的長期記憶。
這個專案是開放原始碼且 local-first。你的代理的觀察、記憶、經驗教訓與圖譜資料，全都留在你自己硬體上的單一執行環境中。不必建立帳號。不必付費租雲端向量儲存。不必維持外部資料庫運作。
最大的限制在於適用範圍。這是開發者工具，不是給一般聊天使用者開箱即用的產品。它假定你會自行搭建代理工作流程。擷取與取回不需要 LLM 金鑰，但壓縮、摘要、整併與圖譜擷取，要等你接上自己的 LLM 供應商金鑰才會啟動。
開始使用
- 用
npx @agentmemory/agentmemory安裝執行環境，或透過 npm 全域安裝後執行agentmemory。 - 啟動程序。它會一次帶起引擎、3111 埠的 REST API，以及 3113 埠的檢視器。
- 用
npx @agentmemory/agentmemory connect接上你的代理，它會偵測你機器上的代理，並為每一個寫入正確的 hook 或 MCP 設定。 - 重新啟動代理或開啟新的工作階段，讓它套用新的連接設定。
- 執行一段提示來產生記憶，然後搜尋它，或開啟檢視器即時觀看觀察進站。
產品資訊
快速了解 Agentmemory 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 獨自使用 Claude Code、Codex 或 Cursor 的開發者：只要你跑得動本機 Node 程序，代理就不會再於工作階段之間忘記你的專案慣例。
- 共用同一份程式碼的小型團隊：每個代理都讀取同一份記憶儲存，架構決策不再被反覆重提，前提是大家都指向同一個執行環境。
- 重視隱私的開發者：記憶永遠不離開你的機器，如果你的程式碼不能進到第三方雲端服務，這點格外重要。
任務
- 中斷後接續長期專案：取回會帶回驗證做法、函式庫選擇，以及你已經處理過的未解錯誤。
- 偵錯反覆出現的問題：經驗教訓會依相關性重新浮現，你曾經存下的一次修正，會在類似錯誤再度出現時回來。
- 讓代理上手既有程式碼庫：匯入 Claude Code 的 JSONL 逐字稿，執行環境就會還原工作階段並建立索引以供搜尋。
情境
- 在新對話中接續昨天的進度：代理從已經建立的脈絡出發，而不是從空白開始。
- 專案進行到一半更換工具：在 Claude Code 開始，在 Codex 或 Cursor 繼續，同一份記憶儲存會把背景脈絡帶著走。
- 減少重複脈絡的權杖花費：混合取回會回傳相關記憶，而不是重播整份工作階段歷史。
主要功能
以 Hook 為基礎的自動擷取
Agentmemory 把十二個自動擷取 hook 接進你的編碼代理。每次工作階段開始、提示、工具呼叫與停止，都會落入記憶管線，不需要任何黏著程式碼。每個事件都成為一筆壓縮過的觀察，並標上來源與產生它的代理。裝好外掛，擷取就開始。就這樣。
保持快速的混合取回
這裡的代理記憶取回不是單一次查詢。主要取回路徑會把 BM25、向量與知識圖譜分數一起排名，然後在裝置上重新排序。那個知識圖譜檢索的角度，正是同時捕捉精確關鍵字比對與語意比對的關鍵。單純的向量儲存常常漏掉後者。被取代的版本不會出現在結果中，但它們的歷史仍可查詢。
自動整併
一旦你提供 LLM 供應商金鑰，整併會在工作階段停止時執行。原始觀察壓縮成語意記憶，重複項合併，過期的資料列依保留分數衰減，稽核列則記錄整趟清掃。這正是讓儲存不至於變成一大坨無法搜尋的日誌的關鍵。
原生 MCP 介面與 REST 對應
這是完整的 MCP 記憶伺服器，不是薄薄一層包裝。五十四個 MCP 工具在單一伺服器後涵蓋儲存、取回、智慧搜尋、工作階段、治理、稽核與匯出。每一個在 /agentmemory/* 下都有 REST 對應，你可以用 curl 呼叫、從瀏覽器抓取，或從自己的代理轉送。儲存近乎重複的項目時，會回傳 similarTo 提示，而不是第二份複本。
知識圖譜與來源追溯
設定好 LLM 金鑰並啟用圖譜擷取後，實體與關聯會從觀察中擷取出來，包含時間邊。每一筆記錄都帶著寫入時的來源追溯，你可以看出某段記憶來自使用者、代理、工具、匯入，還是共享來源。
經驗教訓與 JSONL 重播
經驗教訓住在專屬的 BM25 索引中，附帶信心值與新近度的重新排序，所以你存過一次的規則會在相關時回來。把執行環境指向一份 Claude Code 的 JSONL 逐字稿，它會還原工作階段、建立索引，並從中找到的內容衍生出結晶與經驗教訓。
內建檢視器
3113 埠上的本機檢視器讓你即時觀看觀察進站，並檢視你的代理建起的圖譜。在把真正的專案記憶交給儲存之前，這是最快確認擷取、索引與取回都正常運作的方法。
優缺點
優點
- 零外部資料庫，代表你的代理旁邊沒有東西要額外執行、修補或付費。
- local-first 設計把所有記憶留在你自己的機器上，對私有程式碼庫來說是實實在在的好處。
- 混合取回不需 LLM 金鑰就能運作，所以你可以先試用，再接上供應商。
- 五十四個 MCP 工具加上 REST 對應，為自訂工作流程提供寬廣的介面。
- 跨不同代理的共享記憶，讓你更換工具時不流失專案脈絡。
缺點
- 這是早期階段的開發者工具，所以要有心理準備會有粗糙邊緣，社群也比成熟的記憶服務小。
- 整併、摘要與圖譜擷取要等你接上自己的 LLM 供應商金鑰才會開啟，這增加了設定與成本。
- CLI 與設定工作流程假定你熟悉終端機，非技術使用者會覺得吃力。
常見問題
它儲存五種記錄：來自 hook 的原始觀察、附帶版本鏈的持久型別化記憶、簡短的經驗教訓、凍結的工作階段結晶，以及由實體與關聯構成的知識圖譜。記憶與經驗教訓是你最常查詢的部分。
相關內容
探索與 Agentmemory 相關的工具、技能與文章。
Agentmemory 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。