TypeScript本月中等

rohitg00/agentmemory

给AI编程助手加持久记忆，提升效率

这是一款为AI编程助手打造的持久记忆工具，基于真实基准测试开发，能让Claude Code、GitHub Copilot CLI等多款AI编程工具记住协作上下文，无需重复解释，大幅提升编程协作效率。

Stars

22.1k

Forks

1,813

增长

+19.4k（this month）

在 GitHub 打开

Overview

项目介绍

rohitg00/agentmemory 解决的是给AI编程助手加持久记忆，提升效率这类实际需求。作为Agent 基础设施，它关注的是运行环境、沙箱、操作接口和执行链路这些更底层的能力，核心价值在于把原本分散的操作沉淀成更稳定的项目能力。

拆开看，针对AI编程助手优化的持久记忆、基于真实世界基准测试打造和提升AI助手的编程协作能力构成了这个项目的主要竞争力。它不是追求大而全，而是先把一个具体环节做顺，再让开发者按自己的环境继续改造。

Technical Route

技术路线

agentmemory 基于 iii engine（AI 协作引擎）构建统一持久记忆服务，通过 MCP（模型协作协议）对接各类 AI 编程助手，采用混合检索机制实现上下文的自动捕获、压缩存储与精准召回。核心路线为「多端接入层-记忆处理层-统一存储层」的三级架构，让不同编程助手共享跨会话记忆，用户理解此路线可快速完成适配配置，避免重复解释协作上下文。

1MCP 协议适配层：通过 MCP（模型协作协议）实现与 Claude Code、GitHub Copilot CLI、Cursor 等 20+ 款 AI 编程助手的对接，提供原生插件、钩子技能、REST API 三种接入模式，确保不同助手可共享同一记忆服务，无需单独配置会话记忆。
2记忆自动捕获层：内置 12+ 自动钩子，实时捕获 AI 编程助手的协作会话内容，包括代码修改、配置偏好、问题定位等信息，自动完成内容压缩与结构化处理，避免手动录入记忆的繁琐操作。
3混合检索引擎层：采用融合信心评分、知识图谱的混合检索机制，基于 Karpathy's LLM Wiki 模式优化，实现 95.2% 的 R@5 召回率，能精准定位跨会话的关联上下文，为 AI 助手提供必要的协作背景。
4本地持久存储层：无需外部数据库，采用本地存储实现记忆数据的持久化，支持多会话、多助手的记忆共享，同时通过 token 压缩技术减少 92% 的记忆传输 tokens，降低 AI 调用成本。
5统一服务调度层：通过全局记忆服务器（默认端口 3111）统一管理所有接入助手的记忆数据，支持 `agentmemory connect` 命令快速完成助手对接，提供 `agentmemory demo` 命令验证记忆召回效果，简化部署与测试流程。
6技能扩展层：支持通过 `npx skills add rohitg00/agentmemory` 安装 15 款原生技能，其中 8 款可主动调用、7 款为参考技能，帮助 AI 助手判断何时触发记忆检索，提升协作的智能化程度。

Why Trending

为什么它会上榜

结合增长、最近更新与社区关注，给出一个更接近“决策参考”的上榜解读。

社区关注度上升：近期新增 +19359 Stars（this month），讨论热度明显提高。
定位清晰：专为AI编程助手打造的持久记忆工具，基于真实世界基准测试优化，能让AI助手留存操作记忆，提升编程协作效率。

Audience

适合谁

日常使用AI编程助手的独立开发者
开发AI编程协作工具的技术团队
需要AI助手保持项目协作连贯性的小团队
希望优化AI编程token消耗的开发者

Use Cases

能拿来做什么

开发者提升AI编程助手效率
AI编程工具开发者集成记忆功能
团队协作中增强AI助手的连贯性

Quick Start

怎么开始

请看仓库README的安装章节

Watchouts

使用前注意事项

Windows原生环境暂不支持`agentmemory connect`命令，需使用WSL2或手动配置，操作耗时约10-20分钟
使用npx方式运行时可能存在版本缓存问题，需执行`npx -y @agentmemory/agentmemory@latest`强制获取最新版本
全局安装时若遇到EACCES权限错误，需添加sudo重新执行安装命令