membase-ai Skill 技能

技能简介

membase-ai 是面向 AI Agent 与应用的"即插即用"记忆基础设施 SDK，口号是"One memory. Every AI"——让所有 AI 工具共享同一份持久记忆。它同时提供 Python 客户端、TypeScript 客户端、membase 命令行工具与 MCP server，记忆既可托管在你的 Membase 账户（云端），也可完全留在本机（~/.membase）。官方产品 Unibase Memory（Chrome 扩展、网页版与桌面版）即由此 SDK 驱动。SDK 本体以 MIT 协议开源。

核心能力

1. 统一记忆读写协议：每个方法对应 Agent 协议的一个操作——memories.add 写入、search 检索片段并标注来源、ask 直接向记忆提问、profile 读取长期画像；托管模式下按 API Key 的作用域与访问级别做权限控制。
2. 托管与本地双模：pip install membase-ai 走云端（需 MEMBASE_API_KEY）；pip install 'membase-ai[local]' 走本机引擎（Membase(local=True)），数据留在 ~/.membase，两种模式方法签名完全一致，改构造参数即可迁移。
3. 一键接入任意 MCP 客户端：claude mcp add membase -- membase --local mcp 接本地记忆，或用 HTTP transport 接托管端点；本地 server 提供 list_containers、search_memories、get_profile、add_memory、forget_memory、ask_agent 等完整工具集。
4. 导入与整理：命令行可直接导入 Claude / ChatGPT 导出的对话、markdown、JSON 聊天记录（membase import，支持 --dry-run 预览），也可把文档按容器归档；membase agent ingest 还能把 Agent 运行轨迹提炼成案例与技能。
5. 公开基准成绩：端到端评测 LoCoMo 93.1%、LongMemEval_S 92.6%、DMR 92.2%，衡量记忆的准确性与上下文效率。
6. 中文支持：MEMBASE_LANG=zh 可切换中文抽取提示词。

安装配置

1. 托管模式：pip install membase-ai（Python 3.10+，依赖轻量 httpx），在 Membase 控制台生成 API Key 并设置 MEMBASE_API_KEY。
2. 本地模式：pip install 'membase-ai[local]'（需 Python 3.12/3.13，含 torch、faiss 引擎），并配置 OPENAI_API_KEY；聊天模型可切到 Anthropic、Ollama 或 OpenAI 兼容端点（MEMBASE_LLM_PROVIDER）。
3. TypeScript：npm install membase-ai（注意装的是 membase-ai 而非同名导入的无关包 membase）。
4. 本地配置：设置项支持环境变量与当前目录的 .env，含嵌入模型、拆解/决策/阅读/知识/Agent 五类模型名的细粒度覆盖。

使用步骤

1. 初始化客户端：from membase import Membase; m = Membase()（托管）或 Membase(local=True)（本地）。
2. 写入记忆：m.memories.add("账本服务选了 Postgres", container="Engineering")，按容器隔离不同主题。
3. 检索与提问：m.search("账本用什么数据库？") 返回相关片段；m.ask("账本最终选了哪个数据库？") 由模型直接生成答案。
4. 接入 Agent：执行上面的 claude mcp add 命令，Claude Code 即可在每次对话中自动调用记忆工具。
5. 日常运维：membase --local search/add/import/documents add/profile 命令行管理，或访问 https://www.app.membase.ai 网页端检索、编辑与组织记忆。

适用场景

1. 跨工具的个人知识记忆：把与 Claude、ChatGPT 的历史对话导入本地，之后任意 Agent 都能检索同一份上下文。
2. 团队/项目工程记忆：按容器沉淀技术选型、设计笔记等事实，profile 维护长期画像，避免每次会话重复交代背景。
3. 本地优先与隐私敏感场景：选本地模式，记忆数据不出机器；配合 Ollama 可完全离线。
4. Agent 应用开发者：在自己的产品里用 SDK 快速加"长期记忆"能力，托管模式免去自建检索管线。
5. Agent 行为分析：membase agent ingest 把运行轨迹转成案例与技能，agent search 复用历史经验。

适用人群

AI 应用与 Agent 开发者、需要给 Claude Code 等编码助手加持久记忆的工程师、重视数据本地化的个人用户，以及构建多 Agent 共享知识库的团队。

工作原理

写入时，引擎把对话/文档切分成"记忆"与"episode"（片段），建立索引并按容器组织；托管模式由云端服务执行，本地模式由 membase-core 引擎在本机执行同样的 Agent 协议。检索时，search 走多轮检索管线召回相关片段并标注来源记忆，ask 在检索结果之上由阅读模型生成带依据的回答。画像（profile）把反复出现的稳定事实固化为长期条目，供每次会话直接注入。所有操作通过同一套协议暴露为 SDK 方法、CLI 命令与 MCP 工具，因此任何说这套协议的客户端都能读写同一份记忆。

官方链接

• PyPI：https://pypi.org/project/membase-ai/
• npm：https://www.npmjs.com/package/membase-ai
• GitHub：https://github.com/unibaseio/membase-ai
• 文档：https://unibaseio.gitbook.io/unibase-docs/membase
• 网页端：https://www.app.membase.ai