因公众号更改推送规则，请点“在看”并加“星标”第一时间获取精彩技术分享

点击关注#互联网架构师公众号，领取架构师全套资料 都在这里

0、2T架构师学习资料干货分

上一篇：2T架构师学习资料干货分享

大家好，我是互联网架构师！

用 Cursor、Claude Code 写代码的人，都有一个共同的痛——每次开新会话，AI 就失忆了。

你昨天跟它聊的架构决策，忘了。上周踩的坑，忘了。上个月定的技术规范，全忘了。你得重新交代一遍背景，像跟一个每天格式化一次的同事合作。

现在的解法是什么？手动维护 CLAUDE.md、.cursorrules，把项目上下文硬塞进去。但这玩意儿又笨又累——你得自己写、自己更新、自己精简，稍微偷懒就过时了。

agentmemory 就是来干掉这件事的。

它是什么

agentmemory 是一个专门给 AI 编程 Agent 做持久化记忆的开源项目，GitHub 17.1K Star，Apache-2.0 协议，当前版本 v0.9.21。

一句话概括：它让你的 AI 编程助手拥有跨会话的记忆，自动捕获、自动压缩、自动召回，全程零手动。

核心数据先放这：

指标	数值
检索准确率 R@5（LongMemEval-S）	95.2%
每次会话节省 Token	92%
MCP 工具数	53
自动捕获钩子	12
REST 端点	124
外部数据库依赖	0
测试用例通过	1117

三个核心原语：Hooks → Recall → Consolidate

agentmemory 的架构建立在三个原语之上，全部跑在自研的 iii-engine 上，不需要 Redis、Kafka、Postgres，整个运行时就是一个 Node 进程。

1. Hooks：自动捕获

12 个自动捕获钩子，接入你的编程 Agent 后，每一次 PreToolUse、PostToolUse、SessionStart、Stop 都会自动触发，把 Agent 的行为压缩成可检索的观察记录。

你不需要写一行胶水代码。装上插件，完事。

2. Recall：三路融合检索

这是 agentmemory 最硬核的部分。检索不是简单的关键词匹配，而是 BM25 + 向量 + 知识图谱 三路融合：

• BM25

  ：词法检索，精确匹配关键词

• 向量检索

  ：语义匹配，找到意思相近的内容

• 知识图谱

  ：关系检索，通过实体和边找到关联记忆

三路分数通过本地 reranker 重排，P50 延迟在笔记本上不到 20ms。

在 LongMemEval-S 基准测试上，R@5 准确率 95.2%。对比一下竞品：mem0 是 81.4%，Letta 是 73.8%，Cognee 是 78.1%。差距不是一点半点。

3. Consolidate：记忆整合

每小时自动执行一次扫描，把原始观察记录压缩成语义记忆。重复的合并，过期的衰减（带置信度评分），每次删除都生成审计记录。

这意味着你的记忆库不会越堆越乱——久了没用的记忆会自动淡化，就像人脑一样。

支持哪些 Agent

六个一等公民级别的原生插件：

• Claude Code

  （Anthropic）—— 12 hooks + MCP + skills

• Codex CLI

  （OpenAI）—— 6 hooks + MCP

• OpenClaw

   —— Gateway 插件

• Hermes

  （Nous Research）—— Python 插件，YAML 配置

• pi

   —— 原生插件 + MCP

• OpenHuman

   —— Rust 原生 Memory trait 后端

其他所有支持 MCP 协议的客户端（Cursor、Cline、Gemini CLI、Claude Desktop 等）自动兼容。agentmemory connect <agent> 一条命令自动接线。

技术细节

底层存储

SQLite + iii-engine + 本地向量模型。状态以 JSON 存在磁盘上。不依赖 Qdrant、Neo4j、Postgres 任何外部数据库。一台机器搞定。

知识图谱

压缩时自动提取实体和关系，支持时间边。可以通过 /agentmemory/graph 查询，也可以在 Viewer 里可视化。

Mesh 联邦

支持节点间点对点同步。注册另一个 agentmemory 节点，通过 HTTPS 推拉记忆。Bearer-token 认证，没有静默同步。

JSONL 会话导入

指向一个 Claude Code 的 JSONL 转录文件，agentmemory 会把整个会话重新水合——观察记录、工具调用、时间线，全部灌入记忆库。有用户回填了一个月的 Cursor 转录，效果出奇地准。

Obsidian 导出

记忆可以镜像到一个沙盒化的 Vault 目录，生成带 Frontmatter 标签的 Markdown，直接在 Obsidian 的图谱视图里看。

LLM 提供商

5 个可选：Claude 订阅（默认，零配置）、Anthropic API、Gemini、MiniMax、OpenRouter。从环境变量自动检测。

可观测性

内置 OpenTelemetry，默认开启。每个操作都产生一个 span。本地用 memory exporter，生产环境切 OTLP 接 Jaeger / Honeycomb / Tempo。

两个 UI

Viewer（:3113）

实时观察流，每个 Hook 触发都能看到。会话浏览器可以回放任意历史会话。记忆浏览器支持按项目/类型/置信度过滤。知识图谱可视化，力导向布局。健康仪表盘显示堆内存/RSS/事件循环延迟。

iii Console（:3114）

引擎级控制台，每个函数、触发器、OTEL span 都能看。还有原始 KV 浏览器和 JSON 编辑器，以及 OTEL 瀑布图和火焰图。

竞品对比

	agentmemory	mem0	Letta	Cognee
R@5	95.2%	81.4%	73.8%	78.1%
外部依赖	0	2（Qdrant+Neo4j）	1（Postgres）	1（Neo4j）
REST 端点	124	—	—	—
MCP 工具	53	12	18	9
自动钩子	12	0	0	0
原生插件	6	—	—	—
开源	Apache-2.0	✅	✅	✅

安装和使用

1# 安装2npm install -g @agentmemory/agentmemory3 4# 启动服务（跑在 :3111）5agentmemory6 7# 接入你的 Agent8agentmemory connect cursor       # Cursor9agentmemory connect claude-code  # Claude Code10agentmemory connect codex        # Codex CLI11 12# 打开 Viewer13open http://localhost:311314 15# 打开 iii Console16open http://localhost:311417

或者用 npx 一键启动：

1npx @agentmemory/agentmemory2

用户评价

来自 Product Hunt 上的真实反馈：

“I backfilled agent memory on my past month’s Cursor agent transcripts. It was surprisingly accurate. Picked up on things that I moved away from.” —— Peter Neyra

“Been using it for 2 weeks, and I definitely see improvements.” —— Pranav Prakash

“Tackles one of the biggest pain points with coding agents: losing useful project context across sessions without bloating the context window.” —— Alper Tayfur

背书

• AlphaSignal（180K 技术订阅者）专题报道

• Agentic AI Foundation（Linux Foundation 支持）收录

• Trendshift 2026 热门项目 #19

• Product Hunt 上线

总结

agentmemory 解决的不是"存储"问题，是"记忆"问题。

存储是被动地把东西塞进去，记忆是主动地捕获、压缩、关联、衰减、召回。前者是硬盘，后者是大脑。

对于重度 AI 编程的用户来说，这个东西的体验是——你再也不用每次开新会话时，像个复读机一样交代项目背景了。Agent 记得你上周做了什么、上个月踩了什么坑、三个月前定了什么规范。

而且全程本地运行，零外部依赖，token 消耗一年大概 $10。

用了就回不去了。

---

官网：https://agent-memory.dev
GitHub：https://github.com/rohitg00/agentmemory

1、2T架构师学习资料干货分享

2、10000+TB 资源，阿里云盘，牛逼！！

3、基本涵盖了Spring所有核心知识点总结

  · END ·

最后，关注公众号互联网架构师，在后台回复：2T，可以获取我整理的 Java 系列面试题和答案，非常齐全。

如果这篇文章对您有所帮助，或者有所启发的话，帮忙扫描上方二维码关注一下，您的支持是我坚持写作最大的动力。

求一键三连点赞、转发、在看