tigerless-labs/agent-memory

它解决了什么问题

AI代理通常在会话结束时会丢失所有信息。agent-memory 提供了一个长期记忆运行时，允许任何代理（而不仅仅是编码代理）在会话之间持久化知识。它通过将复杂的检索引擎（通常不透明）和简单的文件系统（无法扩展且无法对结果排序）结合成单一存储，解决了在两者之间选择的难题。

它如何工作

该系统使用 Markdown 文件作为记忆的单一真实来源，存储在结构化的目录中。本地 SQLite 索引（FTS5）充当可重建的缓存，用于快速、排序后的检索。

关键机制包括：

• 多路径检索：结合确定性注入（通过 MEMORY.md）、基于索引的 BM25 回忆，以及直接的文件系统访问（ls/grep）。
• 按路径检索：不将完整文本粘贴到代理的上下文中，而是返回文件路径和摘要列表。代理随后仅读取其需要的特定深度（例如，大纲、摘要或完整文件）。
• 自动写入：记忆的提炼在对话边界触发，而不是依赖代理的手动判断。
• 休眠时间管理：一个独立的「休眠」进程负责整合并提出删除建议，用户必须确认。
• 主机无关性：它不包含自己的 LLM 客户端；而是借用宿主代理 CLI 的推理能力（例如 Claude Code 或 Codex CLI）。

适合谁

需要持久化、可移植且人类可读的长期记忆，并可在不同代理主机之间共享的开发者，用于构建或使用 AI 代理。

特色

• 文件即真相：所有记忆都是 Markdown 文件；索引可删除并重建，不会造成任何数据丢失。
• 零 API 密钥：该库无需 API 密钥或外部计费，因为它使用宿主代理现有的 CLI。
• 排序本地检索：结合向量搜索（通过插件）和 BM25，实现精确召回，无需网络调用。
• 跨主机兼容性：单一记忆存储可在不同代理（如 Claude Code 和 Codex CLI）之间共享。