JuliusBrussee/cavemem

解决的问题

为代码助手提供跨代理持久化记忆，防止AI代理在不同会话之间或在不同IDE之间切换时遗忘信息。

工作原理

Cavemem 使用在会话边界触发的钩子来捕获代理活动的观察结果。这些观察结果通过一种确定性的「原始人语法」进行压缩（将自然语言令牌减少约75%，同时精确保留代码和路径），并存储在本地SQLite数据库中。代理随后可以通过混合搜索（结合SQLite FTS5关键词搜索和本地向量索引）的Model Context Protocol (MCP) 服务器检索此历史记录。

适用人群

使用Claude Code、OpenCode、Codex、GitHub Copilot、Augment Code、Cursor、Gemini CLI、Antigravity或IBM Bob等AI代码助手，并希望为代理提供统一、本地化且注重隐私的记忆存储的开发者。

主要亮点

• 跨IDE支持：可从多个IDE捕获数据，并允许其他代理查询共享记忆。
• 本地优先：默认无需网络或云服务；数据存储在本地SQLite数据库中。
• 压缩存储：使用专用语法节省空间，同时在展开时保持人类可读性。
• 渐进式检索：MCP工具允许代理搜索、查看时间线并获取特定观察结果，以高效管理上下文。
• 隐私控制：包含机密信息自动脱敏功能，并支持路径通配符以排除敏感目录。
• Web查看器：一个本地运行、受令牌保护的UI，供人类浏览捕获的会话。