m
memleaf Skill 技能
# 冥想盆 · memleaf:本地优先的 AI Agent 共享记忆核心 **memleaf**(冥想盆)是一个本地
冥想盆 · memleaf:本地优先的 AI Agent 共享记忆核心
memleaf(冥想盆)是一个本地优先、Markdown 驱动的 AI Agent 共享记忆系统。它将 AI 对话过程中产生的长期记忆以用户自有的本地 Markdown 文件形式保存,并支持多个 AI Agent 共享同一个 Vault。与依赖向量数据库或云端服务的方案不同,memleaf 完全运行在本地,不要求账号、云端同步或遥测数据。
核心能力
- 本地 Markdown 存储:记忆以纯文本 Markdown 保存在本地目录,可用 Obsidian、VS Code、Vim 等普通工具直接查看和编辑
- 本地 stdio MCP 服务:通过本地 MCP 接口提供主动检索、读取、记忆维护等能力,Agent 无需联网即可访问
- 多 Agent 共享 Vault:多个 AI Agent(当前支持 Hermes 和 Codex)可以读写同一个 Vault,实现跨 Agent 记忆共享
- 受控检索流程:采用「Scope Map → 候选目录 → 受控读取正文」三层检索链路,避免将整段历史上下文塞进模型
- 记忆提炼规则:内置原子化记忆原则——每条记忆必须独立可理解,支持 CREATE / UPDATE / NO_CHANGE 三种处理状态
- 零外部依赖:核心运行时仅使用 Python 标准库,要求 Python 3.11+
安装配置
Windows(PowerShell)
已安装 Hermes 的 Windows 10/11 用户,在 PowerShell 中执行:
irm https://raw.githubusercontent.com/miffyblueboo/memleaf/main/install.ps1 | iex
安装器会优先使用 Hermes 自带的 Python 环境,自动完成 memleaf 安装和 Hermes MemoryProvider 接入。
通用安装(pip)
pip install memleaf
安装后查看帮助:
memleaf --help
初始化 Vault
memleaf init
这会在用户目录创建 Vault 结构,包括 inbox/(原始捕获)、knowledge/(结构化记忆)、history/(历史版本)三个子目录。
使用步骤
- 安装 memleaf:通过 pip 或 PowerShell 安装脚本完成安装
- 初始化 Vault:运行
memleaf init,创建本地记忆存储目录结构 - 配置 Agent 集成:在目标 AI Agent(Hermes / Codex)的配置中启用 memleaf MemoryProvider
- 对话触发捕获:正常对话时 Agent 自动将相关内容捕获到 inbox,无需手动操作
- 受控检索与读取:通过 MCP 接口的
search工具搜索候选,read工具按需读取少量关键正文 - 提炼写入知识库:Agent 判断有价值的内容通过
remember工具写入knowledge/,形成长期记忆
适用场景
- 跨会话项目记忆:AI 编程助手记住每个项目的架构决策、待办事项和技术债务,避免每次从头开始
- 多 Agent 协作:同一项目中的多个 AI Agent(代码助手 + 审查助手 + 文档助手)共享同一个 Vault,保持信息一致
- 个人知识管理:用 AI 整理阅读笔记、会议纪要和研究资料,所有数据保存在本地 Obsidian 知识库
- 隐私敏感场景:医疗、法律、金融等行业的 AI 辅助应用中,所有对话数据不出本地,满足数据合规要求
适用人群
- 使用 Claude Code、Cursor 等本地 AI 编程工具的开发者
- 有隐私要求的 AI 应用开发者和企业技术团队
- 希望用 Obsidian 等本地工具管理 AI 生成记忆的高级用户
- 多 Agent 协作系统的架构师和开发者
工作原理
memleaf 的核心是一个基于 Python 标准库的本地运行时,不依赖任何外部服务。对话过程中,可见文本通过 capture 流程脱敏后写入 inbox/ 下的 Markdown 文件。自动检索路径由 Scope Map 驱动——它描述了当前有效记忆的分类结构,单页最多 20 项。Agent 执行搜索时,先通过 Scope Map 确定范围,返回候选列表(包含 memory_id 和标题),只有需要引用时才会用 read 工具按需读取正文,严格避免全量历史注入上下文。记忆提炼遵循原子化原则,Agent 判断每段内容是否有独立复用价值后,通过 remember 写入 knowledge/,状态更新时旧版本自动移入 history/。
官方链接
团队信息
AI产品库
官方
由 AI 猎手自动发现
评论与建议
登录 后参与评论或提建议