zilliztech/memsearch

memsearch – AI 编码代理的跨平台语义记忆

是什么 – 一个 Python 库（带 CLI）记录与 AI 编码助手的每一次对话，将对话记录以纯文本 Markdown 文件形式存储，并在 Milvus 中构建一个可搜索的“影子索引”。相同的记忆可通过轻量级插件在多个主流编码代理平台（Claude Code、Codex、DeepSeek Harness、OpenClaw、OpenCode）中访问，因此你在某一工具中的讨论会立即在其他工具中变得可搜索。

核心理念

• Markdown 优先存储 – 记忆以普通 .md 文件形式保存（人类可读，支持版本控制）。Milvus 仅作为可重建的缓存。
• 混合检索 – 三步流程：(1) 使用 RRF 重排序的 BM25 + 密集向量搜索，(2) 将最佳片段扩展为完整的 Markdown 段落，(3) 可选地获取原始对话 JSON。这实现了快速且相关的召回，同时避免重复结果。
• 即插即用代理 – 每个支持的平台都提供一个微型插件，可自动捕获对话轮次，使用本地或远程 LLM 进行摘要，并在下一次模型步骤前注入相关记忆。
• 后台维护 – 可选任务可保持高阶 PROJECT.md（项目状态）和 USER.md（个人偏好）的更新，并可将重复的工作流提炼为可重用的 技能，遵循开放标准的 Agent Skills 格式。
• 可配置嵌入 – 默认使用免费的 ONNX bge-m3 模型（CPU，无需 API 密钥）。可替换为 OpenAI、Ollama 或任何其他提供方。

终端用户典型工作流

1. 为所选代理安装插件（例如：Claude Code → /plugin marketplace add zilliztech/memsearch）。
2. 正常聊天；插件会静默地在 .memsearch/memory/ 中追加每日 Markdown 日记。
3. 需要回忆某事时，运行 /memory-recall … 命令，或自然提问（“我们为 Redis 选择了什么 TTL？”）。代理触发 memsearch 技能，执行渐进式搜索并返回相关摘录。

开发者指南

• 使用 CLI（memsearch index, memsearch search, memsearch watch, …）或 Python API 嵌入自定义文档、运行混合查询，或将记忆集成到定制的 RAG 流水线中。
• 核心栈为：Chunker → Embedder → Milvus（默认为基于文件的 Lite 数据库，或托管的 Zilliz Cloud 集群）。所有组件均可通过 memsearch config 命令替换。

安装与快速入门

# 安装库（Python 3.10+）
pip install memsearch
# 选择嵌入提供方（默认自动下载 ONNX 模型）
memsearch config set embedding.provider onnx
# 选择 Milvus 后端 – Milvus Lite 可开箱即用
memsearch config get milvus.uri   # → ~/.memsearch/milvus.db
# 安装插件，例如 Claude Code
/plugin marketplace add zilliztech/memsearch
/plugin install memsearch

经过几次对话后，你将在 .memsearch/memory/ 下看到每日的 .md 文件，并可通过 /memory-recall … 查询。

支持平台（插件）

• Claude Code – 市场店安装，零配置捕获。
• Codex – 克隆仓库，运行 plugins/codex/scripts/install.sh。
• DeepSeek Harness (DSH) – uv tool install "memsearch[onnx]" 和 dsh plugin …。
• OpenClaw – 从 ClawHub 安装（openclaw plugins install --force clawhub:memsearch）。
• OpenCode – 在 opencode.json 中添加 @zilliz/memsearch-opencode。

高级功能

• PROJECT.md / USER.md 维护 – 后台任务从每日日志中合成高阶笔记。
• 技能蒸馏 – 将重复工作流转化为可安装的技能（存储在 .memsearch/skill-candidates/ 下）。技能遵循开放标准的 Agent Skills 格式，可在不同代理间移植。
• 自定义摘要器 – 覆盖默认的每插件摘要模型（例如：memsearch config set plugins.codex.summarize.model gpt-5.1-codex-mini）。

为何重要 在多个 AI 编码助手之间切换的开发者常常在工具切换时丢失上下文。memsearch 为他们提供了一个单一、持久、可搜索的记忆系统，以纯 Markdown 格式存储，本地存储成本为零，并可通过托管向量存储实现可扩展性。它还为构建记忆增强型代理或 RAG 流水线的任何人提供了一个可复用的库。

项目健康状况

• 已发布于 PyPI（memsearch ≥ 0.x）。CI 指示灯显示每次推送都运行测试。
• 开源，采用 MIT 风格许可证。
• 活跃社区：Discord 聊天、GitHub 星标、定期发布（参见“最新动态”部分，了解最近的 DeepSeek Harness 支持和技能蒸馏功能）。

---

TL;DR – memsearch 是一个真实、开源的 Python 包，用于捕获、索引并语义化检索 AI 编码代理的对话历史。它通过微型插件在多个主要编码助手平台中运行，将所有内容存储为可编辑的 Markdown，并提供 CLI/Python API 用于自定义集成。