MemU 本地 AI 记忆系统3 步装好先跑通一条记忆读写链路【免费下载链接】memUPersonal memory across agents项目地址: https://gitcode.com/GitHub_Trending/mem/memULLM 应用有个老毛病会话一结束上下文就清零下次还得从头交代背景。MemU 是解决这个问题的本地 AI 记忆系统它给 Codex、Claude Code、Cursor、OpenClaw 等 Agent 提供一份跨会话、跨 Agent、跨设备的共享记忆 wiki还会从历史会话里自动蒸馏出可复用的 skill。核心记忆逻辑只有约 500 行读一遍就能判断它靠不靠谱。为什么这个 LLM 记忆方案值得看一眼传统做法把记忆丢进向量黑盒看不见也改不动。MemU 把记忆落成文件记忆和 skill 都是 Markdown人能直接审阅还能按 Agent 和任务检索。这就是Agent 记忆要补的一层——把每次会话里值得留的东西沉淀下来下次同类任务直接取用。卖点不止是存得下。它自动从会话历史里提取技能写成带名称、描述和可复用步骤的 skill 文件判断与综合留在 Agent 一侧存储层只做存取、嵌入和检索不做任何模型调用。500 行核心意味着这套 LLM 记忆系统可以逐行审计而不是黑盒。装好 MemU 本地环境只需 3 步要求 Python 3.11见 pyproject.toml再装好 git。clone 下来进目录装依赖git clone https://gitcode.com/GitHub_Trending/mem/memU cd memU pip install -e . # 或者用 uv 加速uv pip install -e .装完就拿到memuCLI 和各宿主适配器memu-codex、memu-claude-code、memu-cursor等。验证是否装对跑一次 doctor它会打印解析出的配置与模式并走一遍真实检索链路memu-codex doctor全绿说明存储、配置、检索三条链路都通了。记忆写入与检索是怎么跑的架构总览宿主适配器负责接入记忆落到共享存储一个宿主的会话产出能被另一个宿主直接取用。写入侧是一条定时桥接任务宿主适配器把新增会话历史切成自包含的 jobAgent 自己读一遍相关旧 skill再决定跳过、改现有 skill 还是新建最后commit把变更提交回库按名称与描述做向量化存进skill轨。写入链路会话切片成 job由 Agent 产出可读的 skill Markdown提交入库并建立向量索引。技能提取五步捕获会话、准备 job、Agent 决策、写 Markdown、提交并索引。读取侧靠宿主指令文件里的一条常驻指令回答前先跑retrieve对应渐进式检索progressive_retrieve把相关记忆拉进上下文。手动执行也一样memu-codex retrieve 这个项目有什么要注意的 # 其他宿主memu-claude-code / memu-cursor / memu-openclaw / memu-agent读取链路回答前先检索取回的记忆跨 Agent 共享。所有宿主共用一份~/.memu/config.env一个宿主学到的另一个能直接取到。核心路径不长写入侧在 src/memu/app/memorize/读取侧在 src/memu/hosts/retrieval.py向量化在 src/memu/embedding/。结构化的存储加语义检索全都能打开来看。存储后端三档inmemory用于测试暴力余弦sqlite是本地默认单写者postgres配 pgvector适合并发和大存储pip install memu-cli[postgres]。接入更多 Agent 与排障入口没有专属二进制的 Agent 走memu-agent detect它探测本机报告每个 Agent 的 memorize 与 retrieve 是否可用找到可用的就复用同一套动词。想接入自家 Agent实现一个TranscriptSource会话日志在哪、长什么样加一份HostSpec规模的 CLI 即可管线、动词、指令模板都是共享的。应用已自己管着对话历史的话走开发者集成memu memorize从 1–10 个已完成会话准备自演化 job跑一个外部执行器再提交 memory、skill、resource 的变更输入契约与完整流程在 docs/developer.md。架构决策背景可翻 docs/adr/。装完跑一次binary doctor验证整条链路。配置按进程环境变量 →~/.memu/config.env→ 默认值解析本地后端关键变量是MEMU_DB存储位置、MEMU_EMBED_PROVIDER默认 openai也支持 jina、voyage、doubao、openrouter、MEMU_API_KEY。本地自托管模式必须自备 embedding key。卸载默认只拆宿主集成与工具记忆库和~/.memu/config.env保留明确要求才会清库。下一步挑一个常开的宿主装好跑一遍 doctor再观察下一次会话 retrieve 是否真的取回旧记忆。这套 AI 记忆系统适不适合你答案在那一次真实检索里。【免费下载链接】memUPersonal memory across agents项目地址: https://gitcode.com/GitHub_Trending/mem/memU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MemU 本地 AI 记忆系统：3 步装好，先跑通一条记忆读写链路
MemU 本地 AI 记忆系统3 步装好先跑通一条记忆读写链路【免费下载链接】memUPersonal memory across agents项目地址: https://gitcode.com/GitHub_Trending/mem/memULLM 应用有个老毛病会话一结束上下文就清零下次还得从头交代背景。MemU 是解决这个问题的本地 AI 记忆系统它给 Codex、Claude Code、Cursor、OpenClaw 等 Agent 提供一份跨会话、跨 Agent、跨设备的共享记忆 wiki还会从历史会话里自动蒸馏出可复用的 skill。核心记忆逻辑只有约 500 行读一遍就能判断它靠不靠谱。为什么这个 LLM 记忆方案值得看一眼传统做法把记忆丢进向量黑盒看不见也改不动。MemU 把记忆落成文件记忆和 skill 都是 Markdown人能直接审阅还能按 Agent 和任务检索。这就是Agent 记忆要补的一层——把每次会话里值得留的东西沉淀下来下次同类任务直接取用。卖点不止是存得下。它自动从会话历史里提取技能写成带名称、描述和可复用步骤的 skill 文件判断与综合留在 Agent 一侧存储层只做存取、嵌入和检索不做任何模型调用。500 行核心意味着这套 LLM 记忆系统可以逐行审计而不是黑盒。装好 MemU 本地环境只需 3 步要求 Python 3.11见 pyproject.toml再装好 git。clone 下来进目录装依赖git clone https://gitcode.com/GitHub_Trending/mem/memU cd memU pip install -e . # 或者用 uv 加速uv pip install -e .装完就拿到memuCLI 和各宿主适配器memu-codex、memu-claude-code、memu-cursor等。验证是否装对跑一次 doctor它会打印解析出的配置与模式并走一遍真实检索链路memu-codex doctor全绿说明存储、配置、检索三条链路都通了。记忆写入与检索是怎么跑的架构总览宿主适配器负责接入记忆落到共享存储一个宿主的会话产出能被另一个宿主直接取用。写入侧是一条定时桥接任务宿主适配器把新增会话历史切成自包含的 jobAgent 自己读一遍相关旧 skill再决定跳过、改现有 skill 还是新建最后commit把变更提交回库按名称与描述做向量化存进skill轨。写入链路会话切片成 job由 Agent 产出可读的 skill Markdown提交入库并建立向量索引。技能提取五步捕获会话、准备 job、Agent 决策、写 Markdown、提交并索引。读取侧靠宿主指令文件里的一条常驻指令回答前先跑retrieve对应渐进式检索progressive_retrieve把相关记忆拉进上下文。手动执行也一样memu-codex retrieve 这个项目有什么要注意的 # 其他宿主memu-claude-code / memu-cursor / memu-openclaw / memu-agent读取链路回答前先检索取回的记忆跨 Agent 共享。所有宿主共用一份~/.memu/config.env一个宿主学到的另一个能直接取到。核心路径不长写入侧在 src/memu/app/memorize/读取侧在 src/memu/hosts/retrieval.py向量化在 src/memu/embedding/。结构化的存储加语义检索全都能打开来看。存储后端三档inmemory用于测试暴力余弦sqlite是本地默认单写者postgres配 pgvector适合并发和大存储pip install memu-cli[postgres]。接入更多 Agent 与排障入口没有专属二进制的 Agent 走memu-agent detect它探测本机报告每个 Agent 的 memorize 与 retrieve 是否可用找到可用的就复用同一套动词。想接入自家 Agent实现一个TranscriptSource会话日志在哪、长什么样加一份HostSpec规模的 CLI 即可管线、动词、指令模板都是共享的。应用已自己管着对话历史的话走开发者集成memu memorize从 1–10 个已完成会话准备自演化 job跑一个外部执行器再提交 memory、skill、resource 的变更输入契约与完整流程在 docs/developer.md。架构决策背景可翻 docs/adr/。装完跑一次binary doctor验证整条链路。配置按进程环境变量 →~/.memu/config.env→ 默认值解析本地后端关键变量是MEMU_DB存储位置、MEMU_EMBED_PROVIDER默认 openai也支持 jina、voyage、doubao、openrouter、MEMU_API_KEY。本地自托管模式必须自备 embedding key。卸载默认只拆宿主集成与工具记忆库和~/.memu/config.env保留明确要求才会清库。下一步挑一个常开的宿主装好跑一遍 doctor再观察下一次会话 retrieve 是否真的取回旧记忆。这套 AI 记忆系统适不适合你答案在那一次真实检索里。【免费下载链接】memUPersonal memory across agents项目地址: https://gitcode.com/GitHub_Trending/mem/memU创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考