activeloopai/hivemind

Hivemind turns your traces into reusable skills across agents

解決的問題

Hivemind 為 AI 編碼代理提供一個共享的雲端後端記憶系統。它解決了每次代理會話都從零開始的「遺忘問題」，並確保當一個代理（或團隊成員）解決複雜問題時，解決方案會自動對團隊中的所有其他代理可用。

如何運作

Hivemind 透過捕獲、編碼與傳播的循環運作：

  1. 捕獲：攔截支援的代理所發出的提示、工具呼叫與回應，以結構化追蹤的形式儲存在 Deeplake 中。
  2. 編碼：背景工作進程分析這些追蹤，識別重複模式，並提取為可重用的 SKILL.md 檔案。
  3. 傳播：這些編碼後的技能與會話摘要透過混合詞彙與語意搜尋提供給所有連接的代理，使代理在推論過程中能回憶起先前的工作。
  4. 虛擬檔案系統：使用基於 SQL 的虛擬檔案系統，攔截對 ~/.deeplake/memory/ 的檔案操作。

適用對象

使用 Claude Code、Cursor、OpenClaw、Codex、Hermes 或 pi 等 AI 編碼助手的開發者與工程團隊，希望在團隊內共享知識，並減少 token 消耗與會話回合數。

主要亮點

  • 跨代理記憶：在同個團隊的不同 AI 助手之間運作，實現知識的即時傳播。
  • 模式挖掘：自動將成功的代理互動轉化為編碼化的技能（SKILL.md）。
  • 成本效益：在 LoCoMo 基準測試中，成本降低 25%，token 使用量減少 1.7 倍，每個問題的回合數減少 31%。
  • 廣泛整合：透過插件、鈎子與 MCP 伺服器支援多種代理（包含 Claude Cowork 的 Alpha 整合）。
  • BYOC 儲存：允許使用者將資料保留在自己的 GCS、Azure、S3 或內部儲存桶中。

相關

  • 專案
    24kchengYe/MemoMind

    MemoMind 是一個本地托管、GPU 加速的記憶系統，專為 AI 編碼代理設計。它將聊天、文件和日常事件中提取的事實儲存在 PostgreSQL + pgvector 中，建立知識圖譜，並提供快速的 4 方向混合檢索（語意、BM25、圖譜、時間）。代理可保留新資訊、回憶相關記憶，並對整個儲存庫進行反思。所有資料皆留在使用者機器上，可與任何 OpenAI 相容 LLM 搭配使用，並提供 Web 介面以瀏覽與匯出記憶。

  • 專案
    zilliztech/memsearch

    memsearch 是一個 Python 庫與 CLI，將 AI 編碼助手對話記錄為 Markdown，建立混合（BM25 + 密集）Milvus 索引，並透過插件支援 Claude Code、Codex、DeepSeek Harness、OpenClaw 與 OpenCode 等平台的跨平台召回。支援本地 ONNX 嵌入、可選的 Zilliz Cloud 後端、背景專案/使用者筆記，以及自動技能蒸餾。

  • 專案
    AMAP-ML/SkillClaw

    SkillClaw 是一個位於 LLM 代理與 LLM API 之間的開源系統，自動記錄互動，提取可重用的「技能」，去重並持續優化。它相容多種代理（Hermes、Codex、Claude Code、QwenPaw、OpenClaw 等），並透過本地儲存、OSS 或 S3 在裝置、代理與團隊成員間共享統一的技能庫。

  • 專案
    supermemoryai/supermemory

    Supermemory 是一個託管加自託管的記憶與上下文引擎，專為基於 LLM 的助手設計。它從聊天、郵件、PDF、影像、程式碼等中提取事實，建構使用者檔案（靜態事實 + 動態近期上下文），並透過單一 API（`add`、`profile`、`search`）提供混合 RAG + 記憶搜尋。外掛程式可讓流行工具（Claude Code、Cursor、Codex）獲得持久記憶，而一個單二進位的 `supermemory local` 伺服器可讓您使用本地嵌入離線運行整個系統。該專案在 LongMemEval、LoCoMo 和 ConvoMem 基準測試中表現領先（Recall@15 達 95%，上下文減少超過 99%）。

  • Dispatch
    funes：用於程式碼代理的持久記憶層

    Hugging Face 宣布 funes，一個單一二進位、本地執行的記憶層，可索引程式碼代理的會話追蹤，並讓代理在不同執行、機器與模型之間回憶原始證據。