Lyellr88/marm-memory

解决的问题

AI 智能体通常会在对话间丢失上下文，迫使它们每次都从头开始。MARM Memory 提供了一个持久化、本地优先的记忆服务器，允许智能体在不同的会话间，甚至不同的 AI 模型间（例如从 Claude 切换到 Gemini）存储并回顾决策、研究与项目历史。

工作原理

MARM 作为 Model Context Protocol (MCP) 服务器运行，为连接的智能体提供一套 14 个工具。它使用结合了全文搜索 (FTS5 BM25) 与语义重排序的混合检索系统，以确保随着记忆增长仍能快速且准确地回顾。系统分为三个层级：

• 核心记忆： 存储对话、笔记与摘要。
• 代码图谱： 索引存储库以映射符号与代码路径，允许智能体无需重新阅读整个代码库即可理解项目结构。
• 概念图谱： 从记忆中提取实体与关系，并将它们链接回代码图谱。

它使用带有 WAL 模式与序列化写入队列的嵌入式 SQLite 数据库来处理并发，并且可以通过 pip 或 Docker 使用各种配置文件（solo、swarm 或 trusted）进行部署。

适用人群

使用兼容 MCP 的 AI 智能体（如 Claude Code、Codex 或 Gemini）的开发者与研究人员，希望他们的智能体能拥有关于其项目与决策的永久共享本地记忆。

亮点

• MCP 原生： 通过 HTTP 或 STDIO 传输与任何 MCP 客户端协同工作。
• 混合检索： 结合关键字搜索与语义嵌入以实现高效扩展。
• 代码与概念图谱： 通过映射存储库结构与概念关系，超越平面文本。
• 本地优先： 使用嵌入式 SQLite 实现零配置本地设置。
• Web 控制台： 包含内置 UI 以浏览记忆、知识图谱与索引进度。