Lyellr88/marm-memory

解決的問題

AI 代理程式通常會在對話間遺失上下文，迫使它們每次都必須從頭開始。MARM Memory 提供了一個持久化、本地優先的記憶體伺服器，讓代理程式能夠在不同的對話間，甚至不同的 AI 模型間（例如從 Claude 切換到 Gemini）儲存並回顧決策、研究與專案歷史。

運作方式

MARM 作為一個 Model Context Protocol (MCP) 伺服器運作，為連線的代理程式提供一套 14 個工具。它使用結合了全文搜尋 (FTS5 BM25) 與語意重新排序的混合檢索系統，以確保隨著記憶體增長仍能快速且準確地回顧。系統分為三個層級：

• 核心記憶體： 儲存對話、筆記與摘要。
• 程式碼圖譜： 索引儲存庫以對映符號與程式碼路徑，讓代理程式無需重新閱讀整個程式碼庫即可理解專案結構。
• 概念圖譜： 從記憶體中萃取實體與關係，並將它們連結回程式碼圖譜。

它使用帶有 WAL 模式與序列化寫入佇列的嵌入式 SQLite 資料庫來處理並發，並且可以透過 pip 或 Docker 使用各種設定檔（solo、swarm 或 trusted）進行部署。

適用對象

使用相容於 MCP 之 AI 代理程式（如 Claude Code、Codex 或 Gemini）的開發者與研究人員，希望他們的代理程式能擁有關於其專案與決策的永久共享本地記憶體。

亮點

• MCP 原生： 透過 HTTP 或 STDIO 傳輸與任何 MCP 客戶端搭配運作。
• 混合檢索： 結合關鍵字搜尋與語意嵌入以實現高效擴充。
• 程式碼與概念圖譜： 透過對映儲存庫結構與概念關係，超越平面文字。
• 本地優先： 使用嵌入式 SQLite 實現零設定本地安裝。
• Web 控制台： 包含內建 UI 以瀏覽記憶體、知識圖譜與索引進度。