activeloopai/hivemind

Hivemind turns your traces into reusable skills across agents

解决的问题

Hivemind 为 AI 编码代理提供了一个共享的云后端内存系统。它解决了每次代理会话都从零开始的「遗忘问题」，并确保当一个代理（或团队成员）解决了复杂问题时，解决方案会自动对团队中的所有其他代理可用。

如何工作

Hivemind 通过捕获、编码和传播的循环来运行：

  1. 捕获：拦截支持的代理发出的提示、工具调用和响应，以结构化追踪的形式存储在 Deeplake 中。
  2. 编码：后台工作进程分析这些追踪，识别重复模式，并将其提取为可重用的 SKILL.md 文件。
  3. 传播：这些编码后的技能和会话摘要通过混合词汇和语义搜索提供给所有连接的代理，使代理在推理过程中能够回忆起之前的工作。
  4. 虚拟文件系统：使用基于 SQL 的虚拟文件系统，拦截对 ~/.deeplake/memory/ 的文件操作。

适用人群

使用 Claude Code、Cursor、OpenClaw、Codex、Hermes 或 pi 等 AI 编码助手的开发者和工程团队，希望在团队内共享知识，并减少 token 消耗和会话轮次。

主要亮点

  • 跨代理记忆：在同个团队的不同 AI 助手之间运行，实现知识的实时传播。
  • 模式挖掘：自动将成功的代理交互转化为编码化的技能（SKILL.md）。
  • 成本效益：在 LoCoMo 基准测试中，成本降低 25%，token 使用量减少 1.7 倍，每个问题的轮次减少 31%。
  • 广泛集成：通过插件、钩子和 MCP 服务器支持多种代理（包括 Claude Cowork 的 Alpha 集成）。
  • BYOC 存储：允许用户将数据保留在自己的 GCS、Azure、S3 或本地存储桶中。

相关

  • 项目
    24kchengYe/MemoMind

    MemoMind 是一个本地托管、GPU 加速的记忆系统，专为 AI 编码代理设计。它将聊天、文档和日常生活事件中提取的事实存储在 PostgreSQL + pgvector 中，构建知识图谱，并提供快速的 4 方向混合检索（语义、BM25、图谱、时间）。代理可以保留新信息、回忆相关记忆，并对整个存储库进行反思。所有数据均保留在用户机器上，兼容任何 OpenAI 兼容 LLM，并包含一个用于浏览和导出记忆的 Web 仪表板。

  • 项目
    zilliztech/memsearch

    memsearch 是一个 Python 库和 CLI，记录 AI 编码助手的对话为 Markdown，构建混合（BM25 + 密集）Milvus 索引，并通过插件支持 Claude Code、Codex、DeepSeek Harness、OpenClaw 和 OpenCode 等平台的跨平台召回。支持本地 ONNX 嵌入、可选的 Zilliz Cloud 后端、后台项目/用户笔记，以及自动技能蒸馏。

  • 项目
    AMAP-ML/SkillClaw

    SkillClaw 是一个位于 LLM 代理与 LLM API 之间的开源系统，自动记录交互，提取可复用的“技能”，去重并持续优化。它兼容多种代理（Hermes、Codex、Claude Code、QwenPaw、OpenClaw 等），并通过本地存储、OSS 或 S3 在设备、代理和团队成员间共享统一的技能库。

  • 项目
    supermemoryai/supermemory

    Supermemory 是一个托管加自托管的记忆与上下文引擎，专为基于 LLM 的助手设计。它从聊天、邮件、PDF、图像、代码等中提取事实，构建用户档案（静态事实 + 动态近期上下文），并通过单一 API（`add`、`profile`、`search`）提供混合 RAG + 记忆搜索。插件可让流行工具（Claude Code、Cursor、Codex）获得持久记忆，而一个单二进制的 `supermemory local` 服务器可让您使用本地嵌入离线运行整个系统。该项目在 LongMemEval、LoCoMo 和 ConvoMem 基准测试中表现领先（Recall@15 达 95%，上下文减少超 99%）。

  • Dispatch
    funes: 编程代理的可持久化记忆层

    Hugging Face 发布了 funes，这是一个单二进制文件、本地运行的记忆层，它能对编程代理的会话追踪进行索引，并允许代理在不同运行、机器和模型之间召回原始证据。