agentscope-ai/ReMe

解决的问题

ReMe 为 AI 代理提供了一个本地优先、自我演进的个人知识库。它解决了代理缺乏持久、长期记忆的问题，这种记忆既对人类可读，又对代理可访问，允许多个代理共享一个单一的工作空间，以随时间检索、维护和演化知识。

如何工作

ReMe 将「记忆作为文件」处理，将持久记忆存储为带有前言和维基链接的普通 Markdown 文件。它遵循捕获-索引-整合-回忆的循环流程：

• 捕获：auto_memory 将对话事实提炼为摘要，auto_resource 将外部文件转换为每日卡片。
• 索引：auto_index 创建可搜索的片段、BM25 索引和维基链接图（可选向量嵌入）。
• 整合：auto_dream 从最近的文件中提取可复用单元，以精炼、创建或修正长期的「摘要」节点（个人事实、流程和维基知识）。
• 回忆：代理使用 BM25、可选嵌入和维基链接扩展，检索相关行级段落及其关系。

适用人群

使用 DeepSeek Harness、OpenClaw、QwenPaw 或 Claude Code 等工具构建 AI 代理的开发者，他们需要一个持久、本地优先的记忆系统，用户可手动检查和编辑。

主要亮点

• 人类可读的记忆：记忆以 Markdown 文件形式存储，便于用户使用熟悉工具进行同步、备份和编辑。
• 自我演进：逐步将对话和资源转化为每日笔记和长期知识节点。
• 跨代理工作区：通过 CLI、HTTP API、MCP 或 Python API，单个本地工作区可在不同代理运行时之间共享。
• 混合搜索：结合 BM25 和可选向量嵌入，使用倒数排名融合（RRF）实现精确、上下文感知的回忆。
• 集成工作室：包含一个基于 Web 的 UI（ReMe Studio），用于浏览、编辑和搜索工作区。