tigerless-labs/agent-memory

它解決的問題

AI代理通常在會話結束後會失去所有資訊。agent-memory 提供了一個長期記憶執行時環境，讓任何代理（不僅限於程式碼代理）都能在會話之間持續保存知識。它透過將複雜的檢索引擎（通常不透明）與簡單的檔案系統（無法擴展或排序結果）結合成單一儲存空間，解決了在這兩者之間選擇的問題。

如何運作

系統使用 Markdown 檔案作為記憶的唯一真實來源，並儲存在結構化的目錄中。本地的 SQLite 索引（FTS5）作為可重建的快取，用於快速且排序良好的檢索。

關鍵機制包括：

• 多軌檢索：結合確定性注入（透過 MEMORY.md）、索引上的 BM25 檢索，以及直接的檔案系統存取（ls/grep）。
• 按路徑檢索：不將完整文字貼入代理的上下文中，而是返回檔案路徑和摘要的清單。代理僅讀取其需要的特定深度（例如大綱、摘要或完整檔案）。
• 自動寫入：記憶的精煉在對話邊界觸發，而非依賴代理的手動判斷。
• 休眠時間管理：一個獨立的「休眠」程序負責整合並建議刪除，需由使用者確認。
• 與主機無關：它不包含自己的 LLM 客戶端；而是借用主機代理 CLI 的推理能力（例如 Claude Code 或 Codex CLI）。

適用對象

需要持久化、可攜帶且人類可讀的長期記憶，並可在不同代理主機之間共享的開發者。

特色

• 檔案即真理：所有記憶均為 Markdown 檔案；索引可刪除並重建，不會造成任何資料遺失。
• 零 API 金鑰：該程式庫不需要任何 API 金鑰或外部計費，因為它使用主機代理現有的 CLI。
• 排序良好的本地檢索：結合向量搜尋（透過外掛）與 BM25，實現精確檢索，且無需網路呼叫。
• 跨主機相容性：單一記憶儲存空間可於不同代理（如 Claude Code 和 Codex CLI）之間共享。