agentscope-ai/ReMe
ReMe: Memory Management Kit for Agents - Remember Me, Refine Me.
它解决了什么问题
ReMe 为 AI 代理提供了一个以本地优先、自我演进的个人知识库。它解决了代理在跨会话时失去上下文，或缺乏持久、用户可控的方式来存储和精炼长期知识、偏好和程序性经验的问题。
它的运作方式
ReMe 实现了「记忆即文件，文件即记忆」的理念，将所有持久记忆存储为带有 frontmatter 和 wikilinks 的普通 Markdown 文件。它使用「捕获-索引-整合-回忆」循环：
- 捕获：
auto_memory 从对话中提炼事实，auto_resource 将外部文件转换为每日卡片。
- 索引：后台监视器摄取 Markdown 文件，创建可重建的 BM25 和可选的嵌入索引，以及 wikilink 图。
- 整合：
auto_dream 定期从最近的文件中提取可重用的单元，在「digest」目录中创建、精炼或修正长期知识节点。
- 回忆：代理使用混合搜索（BM25 和可选向量）和 wikilink 扩展，检索精确的、行级别的段落及其关系。
适用对象
它专为构建 AI 代理（例如个人助理或编码代理）的开发者设计，这些开发者希望其代理拥有持久、透明且不断演进的记忆，并能在不同的代理运行时之间共享。
亮点
- 人类可读的存储：记忆存储为 Markdown，允许用户使用标准工具检查、编辑和备份其代理的知识。
- 自我演进：通过后台「做梦」过程，自动将对话和资源转化为长期知识。
- 跨代理兼容性：通过 Python API、HTTP、MCP 或 DeepSeek Harness、OpenClaw 和 Claude Code 的特定插件，与多种代理框架兼容。
- 本地优先：将记忆工作区保留在用户的本地机器上，确保数据所有权和控制权。
相关
- 项目
NevaMind-AI/memUmemU是一个轻量级、代理驱动的个人记忆系统，用于记录LLM会话日志，将有用的交互转化为可复用的Markdown“技能”，并使这些技能在会话、代理和设备之间可搜索。它通过小型主机适配器二进制文件（如memu-codex、memu-claude-code）工作，这些二进制文件接入代理的会话日志和指令文件。核心记忆逻辑约500行Python，将嵌入存储在SQLite、Postgres或内存存储中。安装是一键设置，使用memU Cloud（或自托管）的API密钥。安装后，代理会自动检索相关技能再回答，开发者可以通过`memu memorize`将自定义对话输入memU。采用Apache-2.0许可证。
- 项目
doobidoo/mcp-memory-service一个自托管的记忆后端，适用于LLM代理，提供REST API、CLI、OAuth和Web仪表板。它在本地（SQLite + ONNX嵌入）或混合/云模式下存储事实、决策和因果知识图谱，提供快速（约5毫秒）的语义搜索、按标签范围的检索，以及可选的LLM生成的摘要。可与LangGraph、CrewAI、AutoGen、Claude Desktop、ChatGPT及许多其他工具配合使用。
- 项目
mem0ai/mem0Mem0 是一个用于基于 LLM 的助手的开源记忆层，提供多级、混合检索（语义、BM25、实体链接）和时间推理。它提供 Python/JS SDK、CLI、自托管 Docker 堆栈和托管云服务。新的 2026 算法提高了 token 效率和延迟，在 LongMemEval 上的基准分数高达 94.4。非常适合构建个性化聊天机器人、支持代理或任何需要长期、用户特定记忆的 AI 系统。
- 项目
grpcer/ownmem一个为 AI 编码代理设计的 Git 原生记忆系统，将项目知识以可审查的 Markdown 格式存储在仓库中，无需外部 API 调用即可提供确定性的本地回溯。
- 项目