agentmemory

agentmemory 是专为 AI 编程 Agent 开源的记忆引擎，核心理念是「让 AI 助手记住一切，不用反复解释」。它以本地记忆服务器（默认端口 3111）为核心，通过 hooks、MCP 或 REST 接口接入 Claude Code、Cursor、Codex、GitHub Copilot CLI、Gemini CLI、OpenClaw、Hermes、pi、OpenCode 等主流编程助手，所有 Agent 共用同一记忆库，跨工具共享上下文。

传统编程助手每次开新会话都要从零介绍项目背景：用了什么框架、踩过哪些坑、选择了哪些方案。内置记忆方案（CLAUDE.md、.cursorrules）上限只有 200 行且容易过期。agentmemory 通过 12 个自动 hooks 静默捕获 Agent 操作，自动压缩为可检索记忆，新会话启动时自动注入相关上下文，彻底终结重复解释。

核心技术架构基于 iii engine，采用 BM25 + 向量检索 + 知识图谱三路混合搜索（RRF 融合），在 ICLR 2025 公开基准 LongMemEval-S（500 题）上达到 R@5 为 95.2%、R@10 为 98.6%、MRR 为 88.2%。与纯向量方案相比，记忆精确度和时序查询能力显著更强。与竞品相比，agentmemory 的召回率（R@5 95.2%）大幅领先 mem0（68.5%）、Letta/MemGPT（83.2%）等主流方案。

Token 消耗方面：直接粘贴完整上下文每年需 19.5M+ tokens（超出上下文窗口），LLM 压缩方案约 650K tokens（年费约 500 美元），而 agentmemory 仅需约 170K tokens（本地 embeddings 方案年费约 10 美元），节省 92% 以上的 token 消耗。

支持零配置自托管，数据默认存储在本地（macOS：~/Library/Application Support/agentmemory；Linux：~/.local/share/agentmemory），无外部依赖（仅需 SQLite + iii engine）。内置实时查看器（端口 3113）和 MCP 服务器，一键安装（npx @agentmemory/agentmemory），15 分钟即可完成部署并验证完整记忆召回流程。已支持 15 个原生 Agent Skills，帮助 Agent 精准判断何时调用记忆工具。