memsearch：让AI Coding Agent拥有持久记忆，跨平台共享

你的 AI Coding Agent 每次都要重新解释上下文？终于有人把「记忆」做对了

用过 Claude Code、Codex 这些 AI Coding Agent 的同学，有没有这种感觉——每次新会话，Agent 都是「从零开始」，你不得不把项目背景、编码规范、团队约定重新说一遍。然后它记住了一会儿，下一次会话又忘了。

这本质上是 Agent 的「记忆问题」，不是一个功能，而是一个系统性问题。市面上有 mem0、AgentMemory 这样的方案，但大多数都走「数据库存向量」的路线——结果是记忆变成了黑盒子，不好查、不好改、也不好迁移。

最近发现一个让我眼前一亮的项目：memsearch，来自 Zilliz（没错，就是那个做向量数据库的团队）。它解决这个问题的思路非常有意思——

核心思路：Markdown 才是真实的来源，向量只是影子

memsearch 的设计哲学非常清晰：Markdown 文件才是记忆的唯一真实来源（Source of Truth），Milvus 向量库只是一个可重建的缓存（Shadow Index）。

这意味着你的所有记忆都是明文的 .md 文件——可以 Git 版本控制、可以手动编辑、可以用任何编辑器打开。Agent 记忆里发生了什么，你一目了然。不像某些方案，记忆进去就进了一个黑箱。

当需要检索时，memsearch 会：

• 先用向量语义搜索
• 然后扩展到 BM25 稀疏检索
• 最后用 RRF（Rerank）综合排序

三层检索叠加，保证记忆召回既语义准确、关键词也不遗漏。

跨平台记忆共享：在一个 Agent 里学的，全平台通用

这个功能我认为是 memsearch 最杀手级的地方——记忆跨平台互通。

目前支持：Claude Code、OpenClaw、OpenCode、Codex CLI。只要你在其中一个 Agent 装了插件并参与对话，这些记忆会自动同步到其他平台。更准确地说，你在 A Agent 学到的工作流，在 B Agent 里可以直接以可搜索的上下文形式调用，不需要任何额外配置。

这解决了用多工具党最大的痛——每个 Agent 各记各的，工具一换记忆清零。

Skills from Memory：重复的工作流会自动变成可复用 Skill

memsearch 还有一个让我「wow」的功能——它会把你重复执行的工作流自动蒸馏成可复用的 Agent Skill。

你可以理解为「第三层记忆」：第一层是原始对话记录，第二层是可检索的记忆片段，第三层就是从重复行为里提取出来的可安装 Skill。而且这个过程是后台自动运行的，不需要你手动触发。

安装即用，不需要折腾

如果只是个人用户不想折腾 CLI，直接装对应平台的插件就行。官方文档有针对 Claude Code、OpenClaw、OpenCode、Codex 的独立安装指南，每篇 5 分钟搞定。

对于开发者，memsearch 也提供了完整的 CLI 和 Python API，可以把记忆能力集成到自己开发的 Agent 里。

快速总结

• 项目名：memsearch
• 主体：zilliztech（Zilliz 团队）
• GitHub：https://github.com/zilliztech/memsearch
• ⭐：2,466 Stars
• 核心特点：Markdown 为 Source of Truth + Milvus 向量缓存、跨 Agent 平台记忆共享、三层渐进检索（向量+BM25+RRF）、自动蒸馏工作流为可复用 Skill
• 适用场景：所有 AI Coding Agent（Claude Code、Codex、OpenCode、OpenClaw）用户的长期记忆管理

如果你同时在用多个 Coding Agent，或者厌烦了每次重开会话都要重新「培训」Agent，上手 memsearch 会是今年最值得的一个工程习惯改变。

GitHub: https://github.com/zilliztech/memsearch