agentmemory Skill：让 Claude Code、Cursor、Codex 共享跨会话长期记忆

Skill超级捕获手 技术创作者 2026-07-28 19 阅读

agentmemory 是 2026 年 AI Coding Agent 赛道里最热门的「持久化记忆」技能包，主打「让 Claude Code、Cursor、Codex、Copilot 等所有 AI 编码助手共享一份长期记忆，再也不用每次开会重新介绍项目背景」。凭借 LongMemEval-S 95.2% R@5 的检索准确率、相比内置记忆 92% 的 token 节省和「一键跨 Agent 共享」的杀手锏，它在 GitHub 上一举冲到 2.58 万 Star，是当前 Star 增速最快的 Agent Memory 类开源项目。

核心能力与设计原则

agentmemory 的核心能力是给 AI 编码助手装上一套「能跨会话、跨工具、跨 Agent 复用」的长期记忆层。它基于 iii-engine 实现，通过 MCP / Hooks / REST 三种方式接入编码 Agent，自动捕获每次会话中的代码决策、上下文与偏好，并在下一轮会话开始时检索出最相关的记忆注入 prompt。

设计原则有三条：

  • 共享优先：一个 agentmemory 服务器，多个 Agent 同时连。Claude Code 上午写的决策，Cursor 下午写代码时可以直接读到。
  • 压缩与检索并重：本地嵌入模型（all-MiniLM-L6-v2）做向量召回 + BM25 关键词匹配 + 元数据过滤，三路混合检索避免「记了一堆但找不到」。
  • 工程化优先：基于真实 LongMemEval 基准（500 题、ICLR 2025）做回归，所有数据点都在仓库 benchmark/ 下可复现，不靠「我感觉更聪明」做宣传。

认可度与热度

  • GitHub Star：25,865 ⭐（截至 2026-07-28，API 实测）
  • Fork：2,154
  • npm 月下载量：32,346 次（最近 30 天，2026-06-25 → 2026-07-24）
  • 趋势：曾多次进入 GitHub Trending、AlphaSignal、AAIF、Trendshift 收录，被国内外多家 AI 周报点名为「Coding Agent 记忆层事实标准候选」。
  • 社媒讨论：CSDN / QQ 看点 / X 上有大量「agentmemory vs mem0/Letta/Khoj」对比测评，是 2026 Q2 跨会话记忆工具最热的对决选手。

GitHub 链接

完整仓库：https://github.com/rohitg00/agentmemory

原作者

Rohit Ghumare（GitHub: @rohitg00），印度独立开发者，专注 AI Coding Agent 基础设施层。代表项目还有 agentbrain（Agent 操作系统 / Evidence-first OS），社区公认的「Agent Memory 三件套」（agentmemory + mem0 + Letta）对比文章里常作为长期记忆代表选手出场。

项目介绍

agentmemory 解决的是 AI 编码助手最让人崩溃的问题：每个新会话都得把项目架构、命名规范、过往 bug、偏好设置从头再讲一遍。即便有 CLAUDE.md、.cursorrules 这类「项目级提示」，200 行上限 + 手动维护注定会迅速过时。

它的工作方式是：静默捕获 Agent 的工具调用、文件改动、对话决策，通过 LLM 压缩成结构化记忆存入本地 SQLite + 向量索引，下次会话开始前自动注入相关上下文。整个过程对用户透明，不需要手写 MEMORY.md，也不依赖云服务。

更关键的是它把记忆做成了「跨 Agent 共享资源」。同一个项目下，Claude Code 上午确认「我们用 jose 库做 JWT，因为 Edge runtime 兼容」——下午切换到 Cursor 继续写 rate limiting 时，新 Agent 已经自动知道这个约束，不需要你再敲一遍。

仓库里还内置 15 个原生 Skill（8 个可调用 + 7 个参考），告诉 Agent 何时该主动调用记忆工具、何时该更新记忆、何时该忽略噪音。

核心特点

  • 跨 Agent 记忆共享：一套服务器，Claude Code / Codex / Cursor / Copilot / Gemini CLI / OpenCode / Hermes / OpenClaw 同时读写。
  • 基准驱动：LongMemEval-S 上 R@5 95.2%、R@10 98.6%、MRR 88.2%，明确击败 BM25-only fallback；token 消耗相比「粘贴全量上下文」节省 92%（年耗从 19.5M tokens 降到 170K）。
  • 零配置启动：npx @agentmemory/agentmemory 一行启动，30 秒完成 onboarding 流程；可视化 viewer 实时查看记忆读写。
  • 本地优先：所有数据存储在用户本地（macOS ~/Library/Application Support/agentmemory、Linux ~/.local/share/agentmemory），不依赖任何云服务，离线也能用。
  • 可插拔检索：Hybrid（向量 + BM25 + 元数据）默认开，也支持纯 grep fallback 应对极端场景，benchmark 三种 adapter 并排跑分。

使用方法

一行启动：

npx @agentmemory/agentmemory

会自动启动 :3111 端口的 memory server，并弹出 onboarding 向导。

接入 Claude Code：

agentmemory connect claude-code   # 也支持 copilot-cli / codex / cursor / gemini-cli
npx skills add rohitg00/agentmemory -y   # 安装 15 个原生 Skill

最快上手方式：

把下面这一句直接发给 Claude Code：

Retrieve and follow the instructions at: https://raw.githubusercontent.com/rohitg00/agentmemory/main/INSTALL_FOR_AGENTS.md

Agent 会自己装、自己配置、自己跑通 demo 验证召回。

验证效果：

agentmemory demo              # 注入示例会话
agentmemory demo --serve      # 一次性：启动服务 + 跑 demo + 关停

使用场景与人群

  • 多 Agent 协作团队：同一个 codebase 同时用 Claude Code + Cursor + Codex，希望「约定一次，所有 Agent 都懂」。
  • 长周期项目维护者：需要 Agent 记住过去几周/几个月的架构决策、bug fix 套路、用户偏好。
  • 企业级开发组织：希望给团队成员统一注入项目知识，但不允许把代码 / 上下文传到云端（本地优先 + 开源）。
  • AI 工具重度用户：每天和 Claude/Cursor 来回几十次，受够了每次会话重新 explain 上下文的人。

目标用户：开发者、AI 工程师、CTO、Agent Builder。

输入与输出案例

案例 1：跨会话架构决策复用

输入（Session 1，Claude Code）：

「帮我加 JWT 认证，我决定用 jose 库，因为我们的 Edge runtime 不支持 Node 内置 crypto。」

agentmemory 自动捕获：

{
  "type": "decision",
  "summary": "JWT 鉴权使用 jose 库而非 jsonwebtoken",
  "reason": "Edge runtime 兼容性",
  "files": ["src/middleware/auth.ts"],
  "tags": ["auth", "jwt", "edge"]
}

输出（Session 2，下周，Cursor 继续开发）：

用户：「帮我加 rate limiting」

Cursor（自动注入记忆）：「根据之前的决策，你的鉴权用 jose 库在 Edge runtime 上跑，我会保持一致风格。rate limiting 我建议用 Upstash，因为你的部署环境……」

无需用户重述上下文。

案例 2：Bug 复现路径复用

输入（Session 3）：

用户：「这个 race condition 又复现了，上次怎么修的？」

Agent：检索到 3 周前的记忆片段 ——「在 src/workers/sync.ts 用 Promise.all 改为 for…of 顺序执行，PR #482 已合并」，自动给出修复建议。

节省时间：原本要花 20 分钟翻 git log / Slack 历史，现在 Agent 直接告诉你上次怎么解决的。

GitHub: https://github.com/rohitg00/agentmemory

评论区

0 条评论

登录后可评论。

Skill超级捕获手 19 阅读