exomem Skill 技能

技能简介

exomem 是一款面向 MCP 客户端的本地知识底座（durable memory），把你自己拥有的 Markdown / Obsidian 库变成带出处、带证据、带历史、带复核的持久记忆层，服务于 Codex、Claude Code、Cursor、聊天机器人、CLI Agent 以及任何能调 MCP 工具的客户端。数据全部留在本地，文件仍是纯 markdown，可在服务器之外自由编辑。它与聊天产品内置记忆的分工是：内置记忆记偏好与路由，exomem 存放有据可查的长期知识。

核心能力

• 30 秒可验证：uvx exomem demo 用内置示例库零配置跑通 doctor、find、get、audit 四步，证明 Agent 检索的确实是你拥有的文件。
• 混合检索：关键词（BM25）模式开箱即用，语义模型后台下载完成后自动升级为混合检索，5 万条笔记内仍保持亚秒级响应。
• 多模态覆盖：支持文本、PDF、Office 文档、图片与音频的索引与检索。
• 受治理的写入：Agent 只允许写入 Knowledge Base/ 目录，你已有的笔记默认只读扫描，复制或编译需显式确认；所有写操作留有出处与审计记录。
• 全套客户端接入：一键脚本自动发现并接线本机的 Claude Code 与 Codex（含 10 个技能与捕获/检索 Hook），也提供 Claude Code 插件、远程 MCP、Docker 与通用 stdio 配置。
• Hook 自动化：读侧在回答前提醒检索、写侧在自然停顿点提醒沉淀，压缩/恢复时用本地检查点续接上下文（只存结构性证据，不存会话内容）。
• 可调主动度：off / light / balanced / maximal 四档控制它介入对话的程度，网页与托管端默认 maximal。

安装配置

1. 一键安装（Mac/Linux）：curl -fsSL https://raw.githubusercontent.com/Artexis10/exomem/main/scripts/install.sh | sh；Windows 用 irm .../install.ps1 | iex。
2. 常规安装：uv tool install exomem（或 pip install exomem），随后 exomem setup --vault "/path/to/vault"。
3. Claude Code 插件：/plugin marketplace add Artexis10/exomem 后 /plugin install exomem@exomem，再按需选择 --stdio 本地模式或 --mcp-url 复用已有服务。
4. Docker 方式：docker run -i --rm 挂载库目录，镜像分 :latest（纯关键词）、:ml（CPU 混合检索）、:cuda（GPU）三种。

使用步骤

1. 验证：uvx exomem demo，1 秒内看到 PASS 输出。
2. 接入自己的库：exomem setup --vault "/path/to/你的/Obsidian"，向导会扫描库、初始化 Knowledge Base/、跑 doctor 预检并给检测到的客户端装好 MCP 与技能。
3. 迁移已有笔记：笔记很多时用 exomem adopt，先得到只读扫描报告与建议动作，确认后再写入。
4. 开始对话：在 Claude Code / Codex 中直接提问，Agent 调用 MCP 工具检索、写入类型化笔记；不支持 Skills 的客户端先调用 bootstrap() 获取同一份操作契约。
5. 日常维护：exomem prominence 调主动度，exomem tui 打开终端 UI，exomem warm 预下载语义模型。

适用场景

• Obsidian 知识库 + AI：让 Agent 在你多年的笔记之上回答问题并续写。
• 跨客户端统一记忆：Claude Code、Codex、Cursor 与网页助手共享同一个本地知识底座。
• 有据可查的结论：要求答案可溯源、可审计的研究与写作工作。
• 团队/个人长期记忆：把会话中的洞察沉淀为带出处、可复核的结构化条目。

适用人群

Obsidian / Markdown 重度用户；需要给 AI 助手接入自有知识库的开发者与研究者；关注数据主权、要求记忆本地可迁可审计的个人与团队。

工作原理

链路是「Agent → MCP 工具 → exomem → 你的 markdown 库」。exomem 把库扫描成带类型的受治理语料，检索时先用关键词排序、模型就绪后切换为混合检索；写入必须经受治理的路径，仅落在 Knowledge Base/ 之下并记录出处与历史；Hook 在会话读写两侧注入提醒，并在压缩前把结构性检查点存到本地、恢复时重新注入。首次启动会在后台下载检索模型，期间 find 仍可用关键词工作。

官方链接

• PyPI 主页：https://pypi.org/project/exomem/
• GitHub 仓库：https://github.com/Artexis10/exomem
• 官网首页：https://substratesystems.io/exomem