rohitg00/agentmemory

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

解決的問題

AI 編碼代理經常出現「遺忘」問題，需要在不同會話之間反覆解釋專案架構、偏好和先前的錯誤。雖然存在靜態檔案（如 .cursorrules），但其大小有限且很快過時。agentmemory 提供了一個持久化、共用的記憶層，能自動捕獲代理活動，並在新會話中自動注入相關上下文，無需手動更新。

工作原理

基於 iii 引擎建構，agentmemory 作為一個記憶伺服器，透過鈎子、Model Context Protocol (MCP) 或 REST API 與 AI 代理整合。它靜默捕獲代理操作，將資料壓縮為可搜尋的記憶，並採用混合搜尋方法——結合 BM25（關鍵字）、向量嵌入（語意）和結構圖匹配——以檢索最相關的資訊。它可在無密鑰模式下使用 BM25 執行，或使用本地嵌入（透過 all-MiniLM-L6-v2）實現免費的裝置端語意召回。

適用對象

使用 Claude Code、Cursor、GitHub Copilot CLI、Gemini CLI 等 AI 編碼代理，以及其它支援 MCP 的用戶端的開發者，希望其代理能在不同會話和工具間保持長期專案知識。

主要亮點

廣泛相容性：支援多種代理，包括 Claude Code、Cursor、Codex CLI 和 OpenCode，透過原生外掛、鈎子或 MCP 實現相容。
自動捕獲：提供 12 個自動鈎子，實現零手動操作的資訊捕獲。
混合檢索：結合關鍵字、向量和圖搜尋，實現高檢索準確率（LongMemEval-S 的 R@5 達 95.2%）。
無需外部資料庫：無需安裝外部資料庫即可運行。
令牌高效：相比貼上完整上下文或使用 LLM 摘要的方法，顯著減少令牌使用量。