agentmemory: 它是什么，解决了什么问题以及为什么它正受到关注

它解决了什么问题

编程智能体（Coding agents）在不同会话之间经常面临“记忆缺失”的问题，迫使用户不得不重新解释架构、偏好以及之前发现的错误。虽然存在像 CLAUDE.md 或 .cursorrules 这样的静态文件，但它们的大小有限且很快就会过时。agentmemory 提供了一个持久化的、共享的记忆层，能够自动捕获并在不同的 AI 编程智能体之间召回相关的上下文。

它是如何工作的

基于 iii engine 构建，agentmemory 作为一个记忆服务器，通过 Model Context Protocol (MCP)、REST API 或 hooks 与智能体集成。它会静默地捕获智能体的活动，将其压缩为可搜索的记忆，并将正确的上下文注入到新会话中。它采用混合搜索方法——结合 BM25、Vector 和 Graph 搜索与 Reciprocal Rank Fusion (RRF)——来检索信息。为了保持效率，它采用了带有衰减和自动遗忘机制的四层整合过程，以防止记忆膨胀。

它是为谁准备的

使用 Claude Code、GitHub Copilot CLI、Cursor、Gemini CLI 等 AI 编程智能体的开发者。它专为那些希望其智能体能够跨会话、跨不同工具记住项目特定细节，而无需手动复制粘贴或手动管理记忆的人士而设计。

亮点

• 广泛的兼容性：支持任何支持 MCP、REST API 或 hooks 的智能体（例如 Claude Code、Cursor、OpenCode、Aider）。
• 高检索准确率：在 LongMemEval-S 基准测试中实现了 95.2% 的 R@5。
• 零外部依赖：在本地使用 SQLite 和 iii-engine，不需要外部向量数据库。
• 自动捕获：具有 12 个自动钩子（auto-hooks），无需任何手动操作即可捕获信息。
• Token 效率：与粘贴全文上下文或使用 LLM 总结相比，显著降低了 Token 使用量。
• 实时查看器：包含一个运行在端口 3113 上的内置查看器，用于实时监控记忆。