rohitg00/agentmemory

#1 Persistent memory for AI coding agents based on real-world benchmarks

解决的问题

AI 编码代理经常出现"遗忘"问题，需要在不同会话之间反复解释项目架构、偏好和之前的错误。虽然存在静态文件（如 .cursorrules），但它们大小有限且很快过时。agentmemory 提供了一个持久化、共享的内存层，能自动捕获代理活动，并在新会话中自动注入相关上下文，无需手动更新。

工作原理

基于 iii 引擎构建，agentmemory 作为一个内存服务器，通过钩子、Model Context Protocol (MCP) 或 REST API 与 AI 代理集成。它静默捕获代理操作，将数据压缩为可搜索的内存，并采用混合搜索方法——结合 BM25（关键词）、向量嵌入（语义）和结构图匹配——以检索最相关的信息。它可以在无密钥模式下使用 BM25 运行，或使用本地嵌入（通过 all-MiniLM-L6-v2）实现免费的设备端语义召回。

适用人群

使用 Claude Code、Cursor、GitHub Copilot CLI、Gemini CLI 等 AI 编码代理，以及其它支持 MCP 的客户端的开发者，希望其代理能在不同会话和工具间保持长期项目知识。

主要亮点

广泛兼容性：支持多种代理，包括 Claude Code、Cursor、Codex CLI 和 OpenCode，通过原生插件、钩子或 MCP 实现兼容。
自动捕获：提供 12 个自动钩子，实现零手动操作的信息捕获。
混合检索：结合关键词、向量和图搜索，实现高检索准确率（LongMemEval-S 的 R@5 达 95.2%）。
无需外部数据库：无需安装外部数据库即可运行。
令牌高效：相比粘贴完整上下文或使用 LLM 摘要的方法，显著减少令牌使用量。