PMB | Local-first memory for AI
PMB (pmbai.dev) · 程式設計
PMB（為 AI 而生的本機記憶）是一個開源的記憶層，能讓你的 AI 程式設計代理不再每次對話都從零開始。它把決策、經驗教訓和專案事實存進你自己硬碟上的單一 SQLite 檔案，接著透過 MCP 把相關內容送回 Claude Code、Cursor、Codex 和 Zed 等工具。一切都在離線狀態下運作。沒有 API 金鑰、沒有雲端、沒有遙測。一次典型的記憶檢索大約落在 35 毫秒。
關於 PMB | Local-first memory for AI
PMB 是什麼 | 為 AI 而生的本機記憶
PMB 是為 AI 程式設計代理打造的持久記憶層。它鎖定的問題簡單又熟悉。你花二十分鐘解釋專案、慣例，以及上週修好的某個 bug，然後對話結束，代理把這些全忘了。下一輪對話，你又得重講一遍。PMB 把這些知識保存在屬於你的 SQLite 檔案裡，外加一個 LanceDB 向量儲存，並在模型開始推理之前，把正確的片段拉回脈絡中。
本機優先的設計是刻意為之，不是行銷話術。你的檔案路徑、內部協定名稱和做了一半的決策，永遠不會離開這台機器，這在你處理敏感內容時格外重要。它採用 Apache-2.0 授權，一行 pip 指令就能安裝。
有些限制值得先講清楚。PMB 針對的是會說 MCP 的程式設計代理，所以對一般聊天機器人幫不上忙。它也是早期階段的軟體，設定過程難免粗糙，偶爾還得手動改設定檔。如果你平常沒有每天使用程式設計代理，得到的回報會小一些。
開始使用
- 在代理執行的機器上，用
pip install pmb-ai安裝套件。 - 把 PMB 指向某個專案資料夾，讓它建立本機的 SQLite 與 LanceDB 儲存。
- 在你的代理（Claude Code、Cursor、Codex 或 Zed）中把 PMB 註冊為 MCP 伺服器，讓它以記憶工具的身分出現。
- 加入掛鉤，讓記憶在每次提示前被注入，並在代理工作後被記錄下來。
- 打開本機儀表板瀏覽實體圖與時間軸，把有幫助的教訓標上星號，把沒用的刪掉。
產品資訊
快速了解 PMB | Local-first memory for AI 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
- 每天使用 Claude Code、Cursor 或 Codex 的獨立開發者：省下每輪對話開頭重複的專案簡報，前提是 PMB 已安裝並註冊為 MCP 伺服器。
- 處理私有或受監管程式碼的團隊：把專案記憶留在磁碟上、不呼叫雲端，正好適合那些把脈絡送往代管服務視為阻礙的工作流程。
- 會在多個代理之間切換的開發者：跨工具共用同一份記憶，讓脈絡跟著你走，而不是跟著你的編輯器。
任務
- 讓架構決策跨對話延續：PMB 在模型回答前就浮出先前的選擇與慣例，你就不必一再重新決定同樣的事。
- 找回過去的修正：教訓與事件會被記錄下來，當類似的 bug 再度出現時被想起來。
- 讓代理接手既有程式庫：你用專案事實為記憶打底，讓新的代理帶著脈絡起步，而不是從一片空白開始猜。
情境
- 脈絡壽命超過單一對話視窗的長期專案：記憶能撐過好幾天，也撐過 IDE 重啟。
- 在筆電上離線或隔離網路環境工作：檢索在本機以約 35 毫秒完成，不依賴網路。
- 想試第二個程式設計代理又不想丟掉歷史：共用的記憶層跟著專案走，而不是跟著工具。
主要功能
每次提示都自動檢索
PMB 在不到一毫秒內分類每則訊息，並在代理推理前抓出相符的教訓、決策和專案總覽。這一切都不靠模型記得去呼叫工具。讀取路徑完全不含 LLM 呼叫，檢索因此既便宜又快速。你不必管理它。它就是會發生。
混合檢索搭配排序結果
搜尋融合了 BM25 關鍵字比對、稠密向量和實體圖，再加上一道可選的重排序步驟，全部透過 Reciprocal-Rank-Fusion 合併。依官方說法，這能達到 94.5% 的 recall@10。實務上你會拿到一份排好序的清單，而不是去猜該信任哪種檢索模式。一次呼叫，一個答案。
亞毫秒的非同步寫入
MCP 工具會立刻回應。PMB 先寫入 SQLite，再於背景執行緒執行嵌入與 LanceDB 插入。這代表記錄一項決策絕不會卡住你正在進行的這一輪。
會被評分的教訓
每一條規則都會被追蹤，看代理是否真的遵守。有用的教訓會被標星，被忽略的會被標記為失效，讓你能移除。遵守率讀數是這套系統誠實的一面。它告訴你哪些記憶並沒有在賺取自己的位置。
實體圖與時間軸儀表板
本機儀表板把你的記憶畫成一張圖，其中事實、檔案和實體都是節點，大小依重要性而定，另外還有 git 風格的決策與事件時間軸，最新在前。把游標移到某個節點上，其餘節點會變暗，鄰居則亮起。這是真正由你機器提供的檢視畫面，不是模擬圖。想看看你專案的知識如何相連？把游標移到節點上，圖就會回答你。
跨代理的共用記憶
Claude Code、Cursor、Codex 和 Zed 全都從同一個儲存讀取。切換代理不會有任何代價，因為你的脈絡跟著專案走。正是這項功能讓這一層變得有用，而不只是整齊。
優缺點
優點
- 完全本機且離線，敏感程式碼與內部名稱永遠不會離開你的磁碟。
- 以 Apache-2.0 開源，沒有雲端、沒有 API 金鑰，也沒有需要註冊的遙測。
- 跨 Claude Code、Cursor、Codex 和 Zed 的共用記憶，讓切換工具時脈絡得以保留。
- 快速的檢索與即時的非同步寫入，讓記憶層在任務進行時不會擋路。
- 遵守率評分給你一個真實訊號，指出哪些記憶該留、哪些該刪。
缺點
- 只有在你的代理會說 MCP 時才有用。一般聊天機器人和不支援 MCP 的工具什麼都拿不到。
- 早期階段的軟體意味著設定可能需要手動編輯設定檔。預期會遇到一些粗糙之處。
- 儀表板和圖要等你累積了幾週的資料後才最有價值。第一天的價值有限。
- 沒有代管 API。這排除了想要受管理記憶服務、而非本機服務的團隊。
常見問題
PMB 給 AI 程式設計代理長期記憶，讓它在對話之間記得你的決策、慣例和過去的 bug。你不必每次開啟對話就重講一遍你的專案，代理一開場就帶著相關脈絡。
相關內容
探索與 PMB | Local-first memory for AI 相關的工具、技能與文章。
PMB | Local-first memory for AI 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。