memU Skill：让 AI Agent 拥有跨会话记忆的轻量级系统

Skill超级捕获手 技术创作者 2026-08-06 10 阅读

memU 是一个轻量级的 Agent 记忆系统，核心逻辑仅 500 行，却实现了跨会话、跨 Agent、跨设备的共享 LLM Wiki。它能自动从 Agent 工作历史中提炼出可复用的 Skills，以 Markdown 形式持久化存储，需要时精准召回。相比动辄需要手动配置 RAG 的方案，memU 的「自动提取」机制让它在实际使用中越用越聪明，而非越用越需要人工维护。这也是它在上线不到一年内迅速积累 14.3k Star、引发跨平台开发者社区热议的核心原因。

功能与原则

memU 提供两个核心能力：Memorize（记忆）和 Retrieve（召回）。系统设计遵循三条原则：

  • 轻量优先：核心 MemoryService 仅约 500 行代码，高度可读、可审计、可自行修改
  • Agent 原生：不依赖外部 LLM 调用来做存储/检索，只负责 embedding 和召回，蒸馏合成完全由 Agent 自己完成
  • 存储灵活：支持 SQLite（本地/默认）、Postgres+pgvector（大并发场景），也提供云端版本 memu.so

认可度

  • GitHub Star：14,300+（截至 2026-08-06）
  • Forks：1,100+
  • 贡献者：45 人
  • 最近更新：2026-08-05（一天前），commit feat(events)! 事件系统重构
  • 发布版本：共 25 个 Release，当前最新版 v1.5.1（2026-03-23）
  • 社区讨论：Discord 活跃，GitHub Issues 55 个，Pull Requests 50 个，开发者参与度高

链接

GitHub：https://github.com/NevaMind-AI/memU

官网/云端：https://memu.so

原作者

NevaMind-AI（GitHub Organization）——专注 AI Agent 记忆与编排基础设施的开发者社区。核心维护者包括 @sairin1202、@evan-ak、@nevamind-agent 等 45 位贡献者，OpenClaw、Cursor、Claude 均在贡献者列表中。

介绍

memU 的核心思路是：让 Agent 在每次工作时「自动记笔记」，不需要人工干预。系统通过 Host Adapter（宿主持久化组件）定时扫描各 Agent 的会话日志（JSONL 格式），将新会话打包成自包含的 Job，由 Agent 自己决定是新建一条 Skill、补全现有 Skill，还是什么都不做。最后以可读的 Markdown 格式提交到记忆存储。

这套流程的关键在于：判断和合成都在 Agent 内部完成，MemoryService 只负责存储、embedding 和检索，不做任何 LLM 调用——这让它足够轻量，也足够稳定。

记忆以 Wiki 形式组织，每个 Skill 文件包含名称、描述和可复用工作流（包括有用的分支、边界情况和避坑提示）。未来遇到类似任务时，<binary> retrieve 会在 Agent 回答前将相关 Skill 注入上下文，实现真正的「记忆延续」。

特点

  • 自动 Skill 提取：无需手动写文档，Agent 自己从历史会话提炼可复用工作流
  • 500 行核心逻辑：MemoryService 极简设计，可读可改，不依赖重型框架
  • 多后端向量检索：SQLite（本地）、Postgres+pgvector（大并发）、memu.so 云端三种模式
  • 多 Agent 广泛兼容：Codex / Claude Code / Cursor / OpenClaw / Hermes / WorkBuddy / Cola均有专属 Adapter
  • 跨设备同步：云端版一次记忆，处处可用；本地版数据完全自持
  • 安装极简：一句指令完成全套配置，含 Verify Gate 验证每个步骤是否成功

使用方法

安装

pip install memu-cli

获取 API Key

访问 memu.so 注册并获取 API Key（云端版免费额度）。

一句话初始化

向你的 Agent 发送：

Read https://memu.pro/SKILL.md, follow its instructions to install and configure memU, API Key is memu_•••••••••(get Api Key from memu.so).

SKILL.md 会自动检测你使用的 Agent 类型（Claude Code / Cursor / Codex / OpenClaw 等），打印对应安装指南，完成配置、注册定时任务、修补指令文件三步，每步有 Verify Gate 验证。

手动检索

memu-claude-code retrieve "What should I remember about this project?"
# 或
memu-codex retrieve "What should I remember about this project?"

自托管（本地存储）

pip install "memu-cli[postgres]"
# 配置 ~/.memu/config.env
# MEMU_DB=postgresql://user:pass@host/memu
# MEMU_EMBED_PROVIDER=jina  # 或 openai / voyage / doubao / openrouter

使用场景与人群

适用场景：

  • 多会话、长周期项目开发（Agent 每次接手要知道之前做过什么）
  • 跨设备工作（桌面/笔记本/服务器切换，记忆无缝衔接）
  • 团队共享工作流（个人技能被提取后，同类任务自动加速）
  • 避免重复踩坑（上次踩过的 Bug，下次 Agent 直接给出解决方案）

目标用户：

  • 深度使用 Claude Code / Cursor / Codex 等 AI 编程 Agent 的开发者
  • 需要 Agent 具备「跨会话记忆」能力的工程师
  • 希望把 Agent 工作流固化为可复用 Skills 的个人开发者
  • 对本地数据自主可控有需求、不想所有数据上云的团队

输入与输出案例

案例 1：Python 项目开发

开发者用 Claude Code 在一个 Python 项目工作了一周，期间处理了虚拟环境配置、多版本兼容、自定义 Import 路径等问题。

  • Memorize 输入：memU Adapter 扫描 ~/.claude/projects/<project>/<session>.jsonl 中的新会话日志
  • Skill 提取：Agent 判断这是「Python 项目初始化」类任务，写入 ~/.claude/memu/skills/python-init-workflow.md
  • Retrieve 输出：下次新会话开始，memu-claude-code retrieve 注入相关 Skill，Agent 直接获知「上次这个项目用了 pyenv + venv，需要先激活 .venv」

案例 2：跨 Agent 接力

开发者在公司用 Claude Code 处理 API 设计与实现，回家用 Cursor 做前端页面。memU 云端让两边共享同一份 Skills 库：

  • Memorize：Claude Code 在 ~/.claude/ 的会话被提取为 api-design-skill.md
  • Retrieve：Cursor 启动时通过 memu-cursor retrieve 召回 API 设计 Skill，确保前后端工程师（虽然是同一个人）不需要重复沟通接口细节

GitHub: https://github.com/NevaMind-AI/memU

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读