一、这是什么项目
AgentMemory 是一个开源 AI 记忆系统，Apache-2.0 协议，截至 2026 年 9 月已收获 28,227 个 GitHub Star（TypeScript 实现），定位一句话：装一次，AI 永远记得你的项目——从此告别重复解释，专注创造。
它解决的核心痛点是：每次新开会话都要重新解释项目背景、踩过的坑、用什么包管理器、代码风格偏好。AgentMemory 把这些「发生过什么」永久存下来，跨会话自动调取。
项目信息
GitHub: rohitg00/agentmemory
协议：Apache-2.0 · 语言：TypeScript · 基于 iii engine 构建
核心指标：95.2% 检索召回率（R@5）· 92% Token 节省 · 54 个 MCP 工具 · 12 个自动 hook · 0 外部数据库
二、四个核心能力
| 能力 | 说明 |
|---|---|
| 1. 记忆永久化 | 会话里踩过的坑、跑通的命令、项目偏好自动记录，跨会话不重复教 |
| 2. 30+ 客户端兼容 | Claude Code、GitHub Copilot CLI、Cursor、Gemini CLI、Codex CLI、OpenCode 等，任意 MCP 客户端均可接入；SQLite 本地存储，数据完全不出机器 |
| 3. Token 成本优化 | 智能去重 + 记忆复用，实测节省 92% 上下文 Token，检索召回率 95.2% |
| 4. 可视化与知识图谱 | Real-time Viewer 直观展示代码逻辑与知识关联；自动剥离 key/secret 等敏感信息 |
三、四层记忆架构
AgentMemory 不是简单的「日志追加」，而是分层设计——从原始事实到长期偏好逐层蒸馏：
- 层 1 · 原始记忆 — 会话事件、命令输出、文件变更，原样落库
- 层 2 · 事实 — 从原始记忆里抽取可验证的事实（带置信度评分）
- 层 3 · 知识图谱 — 实体与关系（模块、工具、约定），支持图遍历查询
- 层 4 · 长期偏好 — 项目级惯例（包管理器、代码风格、部署流程），跨会话直接生效
设计文档沿用了 Karpathy 的 LLM Wiki 思路并做了扩展：加了置信度评分、生命周期管理、知识图谱和混合检索（向量 + 关键词）。这也是它的设计 Gist 能拿到 1.6K 星的原因。
隐私设计
存储走 SQLite 本地文件，零外部数据库依赖；写入前自动剥离 API Key / token / secret 等敏感字段；多客户端共享同一份记忆，机器的记忆只在机器上。
四、安装与接入（4 步）
- 安装：
Windows 建议 WSL2 环境（体验最好），原生 Windows 需手动配置 PATH 与钩子。npm install -g @agentmemory/agentmemory # 或 npx skills add rohitg00/agentmemory -g - 绑定客户端：安装器自动注册 MCP 服务与 12 个自动 hook，你现有的 Claude Code / Cursor 工作流一键接管，无需改配置。
- 优化成本：开启记忆复用后，重复解释项目背景的部分全部由检索记忆替代，实测 Token 消耗降 92%。
- 参与社区：Apache-2.0 开源，1,674+ 测试全绿，可直接提 PR 或反馈 issue。
官方提供面向 Agent 的安装文档：install.FOR_AGENTS.md，让 AI 助手自己完成部署。
五、我的判断
优点
- 真跨会话 — 记忆跟着项目走，换新终端、换客户端都不丢
- 本地可控 — SQLite + 敏感信息剥离，隐私不交给云端
- 成本收益可量化 — 92% Token 节省有基准测试背书，不是营销话术
- 生态位清晰 — 与 Graphify（代码结构地图）互补：一个记「发生过什么」，一个记「代码长什么样」
注意点
- Windows 原生环境需要手动配置（WSL2 最佳）
- 记忆会持续膨胀，需定期用 Viewer 检视与修剪
- 依赖 iii engine，升级链较长，锁定前留意版本稳定性
AI 编程助手最大的隐性成本是「重复教学」。AgentMemory 把每次会话的沉淀变成可复利的资产——用得越久，省得越多。