plur-ai/plur

它解决的问题

PLUR 解决了 AI 代理中的“健忘症”问题，即它们无法跨不同会话、工具或机器记住用户偏好、编码风格或项目特定约定。它提供了一个持久化、本地优先的记忆层，确保代理从你的纠正中学习，并随时间保持一致性。

工作原理

PLUR 将知识存储为“记忆痕迹”——本地磁盘上的纯文本 YAML 文件。它使用混合搜索方法（BM25 关键词匹配结合本地 BGE 嵌入）来检索相关信息，无需云 API 调用。当你与代理交互时，PLUR 自动捕获学习内容，通过激活衰减模型（类似于人类记忆）管理其相关性，并将最相关的上下文注入到代理的提示中。

适用人群

它专为依赖 AI 编码助手（如 Claude Code、Cursor 或 Codex）的开发者和高级用户设计，他们希望保持对代理“学习”知识的数据主权，而不依赖专有的基于云的记忆解决方案。

亮点

• 本地优先且私密： 所有记忆都存储为机器上的纯 YAML 文件；不会向云端发送任何数据。
• 跨工具兼容性： 通过模型上下文协议（MCP），适用于多种代理和 IDE，包括 Claude Code、Cursor、Codex 和 OpenCode。
• 注重性能： 基准测试表明，通过提供更好的上下文，其性能优于更大的模型（例如，Haiku + PLUR 对比无记忆的 Opus），而成本仅为后者的一小部分。
• 开放格式： 使用带版本、经过模式验证的格式，你可以随时检查、编辑或删除，确保永远不会被锁定在黑盒系统中。